tensorflow模型保存和加载

最新推荐文章于 2023-03-02 22:00:46 发布

shitoucoming

最新推荐文章于 2023-03-02 22:00:46 发布

阅读量331

点赞数

分类专栏： TensorFlow框架文章标签： tensorflow

本文链接：https://blog.csdn.net/shitoucoming/article/details/104744752

版权

TensorFlow框架专栏收录该内容

36 篇文章 1 订阅

订阅专栏

本文详细介绍了在TensorFlow中如何保存和加载模型，包括模型保存产生的四个文件的作用，以及模型加载的两种方式：完整提取和给定变量名的映射。通过实例展示了如何使用tf.train.Saver进行模型的保存和加载。

摘要由CSDN通过智能技术生成

模型保存：saver = tf.train.Saver() saver.save(sess, ‘./model/model.ckpt’)

tensorflow模型保存后会产生四个文件：
checkpoint：简介文件
model.ckpt.index 映射关系（保存了辅助索引信息）
model.ckpt.metel 原数据信息（保存了当前图结构）
model.ckpt.data-00000-of-00001具体的数据（保存了当前参数名和值）

在tensorflow中checkpoints文件是一个二进制文件，用于存储所有的weights,biases,gradients和其他variables的值。.meta文件则用于存储 graph中所有的variables, operations, collections等。简言之一个存储参数，一个存储图。

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
运行后，得到的模型，截屏展示一下

注意：tensorflow模型，如果一个模型保存了好几次，后面的模型会覆盖掉前面的模型

模型加载即模型提取，两种方式：

1.完整提取
2.给定变量名的映射

# 模型保存和加载
v1 = tf.Variable(tf.constant(3.0), name='v1')
v2 = tf.Variable(tf.constant(4.0), name='v2')
result = v1 + v2

saver = tf.train.Saver()
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    # 模型保存到result文件夹下，文件前缀为：model.ckpt
    saver.save(sess, './model/model.ckpt')
'''

'''
# 模型的提取一（完整提取：需要完整恢复保存之前的数据格式）
v1 = tf.Variable(tf.constant(1.0), name='v1')
v2 = tf.Variable(tf.constant(4.0), name='v2')
result = v1 + v2

saver = tf.train.Saver()
with tf.Session() as sess:
    # 会从对应的文件夹中加载变量、图等相关信息
    saver.restore(sess, './model/model.ckpt')
    print(sess.run([result]))  # 注意v1现在改为1.0，result结果仍然是7.0
'''

'''
# 直接加载图， 不需要定义变量了
saver = tf.train.import_meta_graph('./model/model.ckpt.meta')  # 加载了原数据

with tf.Session() as sess:
    saver.restore(sess, "./model/model.ckpt")

    # 注意：tensorflow1.14.0版本no attribute 'get_tensor_by_name'，所以下面现在不能运行

    # print(sess.run(tf.get_default_graph.get_tensor_by_name('add:0')))
    # 此处直接写result会出错，所以改为另一种方式
    # 找到原图，然后依据名称找张量。在原图中，v1叫v1，v2叫v2，result叫add，又因为是第一个加，所以是add：0（这样写是怕如果有多个同样的操作，能够区分开）

    # print(sess.run(tf.get_default_graph.get_tensor_by_name('v1:0')))
'''

'''

# 模型的提取二（加载的时候，给定变量名的映射）
# 开发模型的是一个人，用的又是另一个人，可能有两个模型，都有v变量，你要使用其中一个模型，那就可以用变量映射，以免混淆？？？不懂。反正现在知道它也是想使用那个模型了，也是一种方式
a = tf.Variable(tf.constant(1.0), name='a')
b = tf.Variable(tf.constant(4.0), name='b')
result = a + b

saver = tf.train.Saver({'v1': a, 'v2': b})  # v1为模型保存的变量名称，a为现在代码的变量名称
with tf.Session() as sess:
    # 会从对应的文件夹中加载变量、图等相关信息
    saver.restore(sess, './model/model.ckpt')
    print(sess.run([result]))  # [7.0]
    print(sess.run([a]))  # [3.0]
'''