tensorflow 模型保存与加载

最新推荐文章于 2024-08-06 15:06:07 发布

spylyt

最新推荐文章于 2024-08-06 15:06:07 发布

阅读量1.4w

点赞数 5

分类专栏：人工智能-神经网络算法文章标签：神经网络

本文链接：https://blog.csdn.net/spylyt/article/details/71601174

版权

这篇博客详细介绍了如何在TensorFlow中保存和加载神经网络模型。TF模型包括.meta图和检查点文件，用于存储网络结构和权重。通过`tf.train.Saver()`创建保存器并在Session中保存模型。加载模型时，使用`tf.train.import_meta_graph()`导入图结构，然后通过Session恢复权重。文章还提到了在不同版本TensorFlow中保存和恢复模型的注意事项。

摘要由CSDN通过智能技术生成

http://cv-tricks.com/tensorflow-tutorial/save-restore-tensorflow-models-quick-complete-tutorial/
什么是TF模型：

在训练一个神经网络模型后，你会保存这个模型未来使用或部署到产品中。所以，什么是TF模型？TF模型基本包含网络设计或图，与训练得到的网络参数和变量。因此，TF模型具有两个主要文件：
a)meta图
这是一个拟定的缓存，包含了这个TF图完整信息；如所有变量等等。文件以.meta结束。
b)检查点文件：
这个文件是一个二进制文件，包含所有权重、偏移、梯度和所有其它存储的变量的值。这个文件以.ckpy结束。然而，TF已经在0.11版本后不再以这个形式了。转而文件包含如下文件：
mymodel.data-00000-of-00001
mymodel.index
.data文件包含训练变量。
除此之外，TF还包含一个名为“checkpoint”的文件，保存最后检查点的文件。
所以，综上，TF模型包含如下文件：

my_test_model.data-00000-of-00001
my_test_model.index
my_test_model.meta
checkpoint**

2保存一个TF模型
saver = tf.train.Saver()
注意，你需要在一个session中保存这个模型
Python
1saver.save(sess, ‘my-model-name’)
完整的例子为：

import tensorflow as tf
w1 = tf.Variable(tf.random_normal(shape=[2]), name='w1')
w2 = tf.Variable(tf.random_normal(shape=[5]), name='w2')
saver = tf.train.Saver()
sess = tf.Session()
sess.run(tf.global_variables_initializer())
saver.save(sess,