tensorflow模型保存后继续训练_tensorflow如何继续训练之前保存的模型

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")

biases=tf.Variable(tf.zeros([1]),name="b")

y=weight*x_data+biases

loss=tf.reduce_mean(tf.square(y-y_data)) #loss

optimizer=tf.train.GradientDescentOptimizer(0.5)

train=optimizer.minimize(loss)

init=tf.global_variables_initializer()

sess=tf.Session()

sess.run(init)

saver=tf.train.Saver(max_to_keep=0)

for step in range(10):

sess.run(train)

saver.save(sess,"./save_mode",global_step=step) #保存

print("当前进行：",step)

第一次训练截图：