python训练好的模型保存调用_对tensorflow 的模型保存和调用实例讲解

我们通常采用tensorflow来训练，训练完之后应当保存模型,即保存模型的记忆（权重和偏置），这样就可以来进行人脸识别或语音识别了。

1.模型的保存

# 声明两个变量

v1 = tf.Variable(tf.random_normal([1, 2]), name="v1")

v2 = tf.Variable(tf.random_normal([2, 3]), name="v2")

init_op = tf.global_variables_initializer() # 初始化全部变量

saver = tf.train.Saver() # 声明tf.train.Saver类用于保存模型

with tf.Session() as sess:

sess.run(init_op)

print("v1:", sess.run(v1)) # 打印v1、v2的值一会读取之后对比

print("v2:", sess.run(v2))

#定义保存路径，一定要是绝对路径，且用‘/ '分隔父目录与子目录

saver_path = saver.save(sess, "C:/Users/Administrator/Desktop/tt/model.ckpt") # 将模型保存到save/model.ckpt文件

print("Model saved in file:", saver_path)

2.模型的读取

直接读取模型时，可能会报错，我是用Spyder编译的，可以把Spyder关掉，再重新打开，就可以读取数据了。原因可能是：在模型保存时将变量初始化了。

import tensorflow as tf