tensorflow保存和加载模型

tensorflow保存和加载模型

构建手写数字识别神经网络的时候对输入输出值设置name分别为input和output

x_data = tf.placeholder(tf.float32, [None, 784], name = 'input') 
# 模型输入节点，name = 'input'
y_data = tf.placeholder(tf.float32, [None, 10])
y = (w * x + b, name = 'output') 
# 模型输出节点，name = 'input'，函数简单表示为y=w*x+b的形式

对训练出来的模型进行保存

saver = tf.train.Saver() # 导入模型保存类
saver.save(sess, '模型保存路径\\model') # sess是当前会话

模型调用

tf.reset_default_graph() 
# 首先重置计算图
saver = tf.train.import_meta_graph('模型保存路径\\model.meta') 
# 导入保存的计算图
saver.restore(sess, '模型保存路径\\model') 
# 重启会话sess，激活model及所有变量
gh = tf.get_default_graph() 
# 获取当前默认的计算图
input = gh.get_tensor_by_name('input:0') 
# 导入模型输入节点，input:0代表导入模型中第一个name='input'的变量
output = gh.get_tensor_by_name('output:0') # 模型输出节点

然后在input里面传入数据，经过模型的计算output得出结果