tf-CNN（三）Tensorflow将训练模型保存到本地

最新推荐文章于 2023-07-31 23:10:18 发布

Ooo。

最新推荐文章于 2023-07-31 23:10:18 发布

阅读量1.6k

点赞数 2

分类专栏： tensorflow

本文链接：https://blog.csdn.net/xue_csdn/article/details/105156637

版权

本文介绍了一个基于TensorFlow的猫狗分类模型的训练过程，包括网络结构设计、数据预处理、模型训练与评估，以及如何将训练完成的模型进行保存。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

训练过程在上一篇博客里https://blog.csdn.net/xue_csdn/article/details/105128094

首先在代码的相同路径下新建一个文件夹save_model。模型会被保存进来。

我这儿就直接把网络结构和模型的训练和保存写在同一代码里，不再互相调用了。

save_model.py

"""
###训练猫狗分类模型
###保存生成的模型

"""

#import tensorflow as tf
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
import numpy as np
import read_tfrecords

epoch = 15
batch_size = 20

def one_hot(labels, Label_class):
    one_hot_label = np.array([[int(i==int(labels[j])) for i in range(Label_class)] for j in range(len(labels))])
    return one_hot_label

#初始化权值
def weight_variable(shape):
    initial = tf.truncated_normal(shape, stddev = 0.02)
    return tf.Variable(initial)

#初始化偏置
def bias_variable(shape):
    initial = tf.constant(0.0 , shape=shape)
    return tf.Variable(initial)

#卷积层
def conv2d(x,W):