TensorFlow 如何在上次模型训练结果之上继续训练

最新推荐文章于 2023-03-05 09:23:56 发布
最新推荐文章于 2023-03-05 09:23:56 发布
阅读量4.9k 收藏 26
点赞数 7
分类专栏： TensorFlow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_32857543/article/details/105780338
版权

在摸索了一段时间后，发现其实很简单。找到之前训练结果输出的checkpoint文件，是一个文本文件，里面记录这你最近输出的模型路径，如下所示

model_checkpoint_path: "/output/ckpt/model.ckpt-20610"
all_model_checkpoint_paths: "/output/ckpt/model.ckpt-20073"
all_model_checkpoint_paths: "/output/ckpt/model.ckpt-20357"
all_model_checkpoint_paths: "/output/ckpt/model.ckpt-20610"

说明你最近一次的模型为 "/output/ckpt/model.ckpt-20610" , 将你模型训练中的checkpoint_path 参数值修改为当前模型路径，然后重新执行模型训练，就会接着当前模型继续训练。

INFO:tensorflow:Recording summary at step 20610.
INFO:tensorflow:global step 20620: loss = 3.3006 (2.125 sec/step)
INFO:tensorflow:global step 20630: loss = 3.6536 (2.096 sec/step)
INFO:tensorflow:global step 20640: loss = 3.4894 (2.086 sec/step)
INFO:tensorflow:global step 20650: loss = 4.0706 (2.131 sec/step)
INFO:tensorflow:global step 20660: loss = 3.6693 (2.112 sec/step)
INFO:tensorflow:global step 20670: loss = 3.8816 (2.146 sec/step)
……
青山青
关注
  • 7
    点赞
  • 踩
  • 26
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
python模型继续训练_如何加载tensorflow模型并继续训练
weixin_39724441的博客
01-11 1032
我想加载一个预先训练的模型并继续使用该模型进行训练。保存模型的标准代码段(pretrain.py)：tf.reset_default_graph()# tf Graph inputX = tf.placeholder("float", [None, n_input])Y = tf.placeholder("float", [None, n_classes])mlp_layer_name = ['h...
Tensorflow2 二次训练和断点续训
bashan1604的博客
11-23 1868
Environment Tensorflow2.0.0 python3.6 问题描述 每轮训练中以特定方式（固定频率、最高准确率或最低loss等）存储模型，停止训练后，基于已存储的模型进行二次训练。 以特定方式保存模型 callbacks = [ tf.keras.callbacks.ModelCheckpoint(filepath=save_args['./saved_models/model_epoch{epoch}.h5'],
tensorflow检查点载入[转]
qq_30625217的博客
12-14 2354
原文链接： https://www.cnblogs.com/hellcat/p/6925757.html 1.TensorFlow常规模型加载方法： checkpoint文件会记录保存信息，通过它可以定位最新保存的模型： 1 2 ckpt = tf.train.get_checkpoint_state('./model/') print
Tensorflow2——模型保存与加载以及训练数据保存和断点续训
weixin_43387852的博客
03-15 7464
你能收获什么？         通过阅读这篇博客，你可以了解如何在Tensorflow训练过程中保存准确率和loss,以及如何在tensorflow中保存与加载模型，如何在重新接着上一轮的训练过程继续训练。 最近在神经网络训练的过程中，需要保存训练过程中的数据，并且再下次训练的时候能够接着上次训练的结果进行断点续训。所以通过Tensorflow2官网查询到对于model.fit相关的回调函数的编写方法。下面总结了一下，在Tens
tensorflow如何继续训练之前保存的模型
热门推荐
by_side_with_sun的博客
04-05 2万+
一：需重定义神经网络继续训练的方法 1.训练代码 import numpy as np import tensorflow as tf x_data=np.random.rand(100).astype(np.float32) y_data=x_data*0.1+0.3 weight=tf.Variable(tf.random_uniform([1],-1.0,1.0),name="w")...
tensorflow如何继续训练之前保存的模型（断点续训）（断点训练）
TEDDY的博客
02-20 3657
方法 .meta文件保存了当前图结构 .index文件保存了当前参数名 .data文件保存了当前参数值
python如何保存训练好的模型_tensorflow如何继续训练之前保存的模型实例
weixin_39611546的博客
11-24 445
一：需重定义神经网络继续训练的方法1.训练代码import numpy as npimport tensorflow as tfx_data=np.random.rand(100).astype(np.float32)y_data=x_data*0.1+0.3weight=tf.Variable(tf.random_uniform([1],-1.0,1.0),name="w")biases=tf....
Tensorflow实现在训练好的模型上进行测试
09-18
在TensorFlow中，进行模型测试是在训练阶段完成后评估模型性能的关键步骤。本篇文章将详细介绍如何在训练好...通过正确地保存和恢复模型，我们可以在不丢失训练进度的情况下继续训练，或者在新的数据上评估模型的性能。
tensorflow模型继续训练 fineturn实例
09-18
今天小编就为大家分享一篇tensorflow模型继续训练 fineturn实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
TensorFlow实现模型断点训练,checkpoint模型载入方式
09-16
断点训练允许我们在模型训练中断后，从上次保存的状态继续训练，而不会丢失已有的训练成果。以下是对这个主题的详细解释： ### 1. 模型断点训练（Checkpointing） 模型断点训练是一种策略，用于在训练过程中定期...
tensorflow如何继续训练之前保存的模型实例
09-18
总结来说，TensorFlow提供了灵活的方式来继续训练之前保存的模型。如果你不介意每次恢复时重新定义模型，可以选择第一种方法；如果希望更高效地恢复训练，尤其是处理大型复杂模型时，第二种方法更为推荐。不论哪种...
【 [mmdetection] 如何在训练中断后,接着上次训练?】
weixin_46600060的博客
03-28 1万+
[mmdetection] 如何在训练中断后,接着上次训练? 最近由于不知名原因,在用 faster rcnn 训练一个大型数据集的时候,在epoch= 20 的时候中断训练了.采用以下方式继续上次训练. 打开 train.py,如图: 也就是说,训练时,最后加一个–resume from 参数,然后后面跟上次训练生成的最后一个权重文件(.pth)就可以了. 因此,在命令行输入以下语句进行训练即可以完全相同的模型配置继续上次的训练啦:: python tools/train.py configs/fas
tensorflow读取一个模型后多次使用
qq_34470213的博客
07-06 2244
训练好一个模型后，将其投入使用，会有在项目初始化后多次加载测试数据的需求，可以采用保存graph的思想实现 （在一个项目中需要加载多个模型同样可用） 另：这条博客接我的上一条https://blog.csdn.net/qq_34470213/article/details/104076898，是在上一个代码的基础上改写的。 1、写一个初始化函数，用来初始化模型（项目中仅需初始化时调用一次） class Test(): def restore(self): self.mode
tesnsorflow对多模型进行训练、加载、合并操作
weixin_43152925的博客
12-24 1955
有时我们想训练多个模型，但是又不想一个个的写py文件，那么如何在一个文件中达到训练多个模型的目的呢？以下是个人的一点思路，希望能给大家一些帮助。 完整代码见GitHub 一、多模型训练 多模型训练的具体思路就是在不同的graph中创建模型，一般是写一个类来实现，网上也有很多例子，我这里就直接复制过来了，当然有稍作修改。为了简单说明，我举个例子：假设我有两份数据（y=2xy=2xy=2x和y=3x+...
pytorch如何在预训练过的模型上继续训练？
小糖宝的博客
08-02 1万+
1.场景一：直接训练了模型20次，发现loss还没有收敛，想要继续在20的基础上继续训练 处理方案： target_model = target_net().to(device) checkpoint = torch.load('./xxx.pth') target_model.load_state_dict(checkpoint) 这样就把原来已经训练20次的xxx.pth模型重新加载了。 保存模型的方法： targeted_model_file_name = './xxx.pth' torch.sav
Tensorflow实现从上次训练中断处继续训练
wangmengmeng99的博客
10-12 4993
Python Train_使用隐马尔可夫模型进行音乐流派分类的Python实现
weixin_39942108的博客
10-28 598
音乐类型分类一直是音乐信息检索领域研究的热点问题。在本教程中，我们将尝试使用隐马尔可夫模型对音乐类型进行分类，隐马尔可夫模型非常擅长对时间序列数据进行建模。由于音乐音频文件是时间序列信号，我们希望HMM能够满足我们的需求，给我们一个准确的分类。隐马尔可夫模型是表示观察序列的概率分布的模型。我们假设输出是由隐藏状态生成的。数据集和特征我们将使用Marsyas提供的机器学习数据集，这是一个名为GTZA...
tensorflow2.4 用checkpoint保存网络，读取后继续训练！
CHD_helte的博客
01-01 2715
Tensorflow2学习记录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Tensorflow2网络的保存与恢复后继续训练。 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录Tensorflow2学习记录前言一、官方帮助在哪里？二、使用步骤开始设置保存点首先是声明阶段总结 前言 最近计划深入学习一下机器学习，奈何笔记本不给力，训练起来超级慢。 又必须关机带着电脑走。晚上也不想把电脑设置为高性能不关机的模式， 那样太吵了。所以一直在找怎么将
【NLP相关】基于现有的预训练模型使用领域语料二次预训练
Chaos的博客
03-05 2248
在本篇博客中，我们使用的预训练模型是 BERT（Bidirectional Encoder Representations from Transformers）。BERT 是一种基于 Transformer 的预训练模型，由 Google 团队开发。它在多个自然语言处理任务上取得了最先进的结果，例如文本分类、命名实体识别和问答系统等。BERT 模型是一种双向的 Transformer 模型，能够有效地处理自然语言序列。它将文本输入嵌入到向量空间中，并在此基础上进行自监督训练，以学习通用的语言表示。
tensorflow模型中断训练后如何继续训练
最新发布
05-12
当TensorFlow模型训练中断时，可以通过以下步骤继续训练: 1. 保存模型参数。在模型训练时，可以使用tf.train.Saver()保存模型参数。可以将模型参数保存到一个文件中。 2. 加载模型参数。在重新开始训练时，可以使用tf.train.Saver()从文件中加载之前保存的模型参数。 3. 继续训练模型。使用加载的模型参数继续进行训练。可以使用之前使用的优化器和损失函数。 下面是一个简单的示例代码，展示了如何保存和加载模型参数，并继续训练模型: ``` import tensorflow as tf # 定义模型 x = tf.placeholder(tf.float32, shape=[None, 784]) y = tf.placeholder(tf.float32, shape=[None, 10]) W = tf.Variable(tf.zeros([784, 10])) b = tf.Variable(tf.zeros([10])) y_pred = tf.nn.softmax(tf.matmul(x, W) + b) cross_entropy = tf.reduce_mean(-tf.reduce_sum(y * tf.log(y_pred), reduction_indices=[1])) optimizer = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) # 训练模型 with tf.Session() as sess: sess.run(tf.global_variables_initializer()) saver = tf.train.Saver() for i in range(1000): batch_xs, batch_ys = mnist.train.next_batch(100) sess.run(optimizer, feed_dict={x: batch_xs, y: batch_ys}) if i % 100 == 0: saver.save(sess, './model.ckpt') saver.save(sess, './model.ckpt') # 加载模型参数并继续训练 with tf.Session() as sess: sess.run(tf.global_variables_initializer()) saver = tf.train.Saver() saver.restore(sess, './model.ckpt') for i in range(1000): batch_xs, batch_ys = mnist.train.next_batch(100) sess.run(optimizer, feed_dict={x: batch_xs, y: batch_ys}) if i % 100 == 0: saver.save(sess, './model.ckpt') ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值