TensorFlow保存和提取模型

最新推荐文章于 2020-05-08 23:01:21 发布

永兴呵呵哒

最新推荐文章于 2020-05-08 23:01:21 发布

阅读量312

点赞数 1

分类专栏： Tensorflow实战编程学习

本文链接：https://blog.csdn.net/u014106566/article/details/83855346

版权

本文介绍了如何在TensorFlow中保存和提取模型。首先，通过tf.train.Saver()模块创建Saver对象，利用max_to_keep参数控制保存的模型数量。接着，详细展示了模型的保存过程，包括保存路径的设定和模型的恢复。最后，讨论了如何根据验证精度保存最佳模型，并给出了相关代码示例。

摘要由CSDN通过智能技术生成

一、模型的保存

将训练好的模型参数保存起来，以便以后进行验证或测试，这是我们经常要做的事情。tf里面提供模型保存的是tf.train.Saver()模块。
1、模型保存，先要创建一个Saver对象：如

saver=tf.train.Saver()
__init__(
    var_list=None,
    reshape=False,
    sharded=False,
    max_to_keep=5,
    keep_checkpoint_every_n_hours=10000.0,
    name=None,
    restore_sequentially=False,
    saver_def=None,
    builder=None,
    defer_build=False,
    allow_empty=False,
    write_version=tf.train.SaverDef.V2,
    pad_step_number=False,
    save_relative_paths=False,
    filename=None
)

在创建这个Saver对象的时候，有一个参数我们经常会用到，就是 max_to_keep 参数，这个是用来设置保存模型的个数，默认为5，即 max_to_keep=5，保存最近的5个模型。如果你想每训练一代（epoch)就想保存一次模型，则可以将 max_to_keep设置为None或者0，如：