Tensorflow保存和恢复模型

最新推荐文章于 2024-04-08 16:09:19 发布

SherryGo

最新推荐文章于 2024-04-08 16:09:19 发布

阅读量1k

点赞数

分类专栏： tensroflow

本文链接：https://blog.csdn.net/xueruixuan/article/details/81076777

版权

本文详细介绍了如何在TensorFlow中保存和恢复模型，包括使用检查点回调进行训练过程中的保存，以及如何恢复模型并评估其准确率。还讨论了检查点回调的配置选项，以及手动保存和加载整个模型的方法。

摘要由CSDN通过智能技术生成

原文链接save_and_restore_model

安装和导入

!pip install h5py pyyaml

获取示例数据

from __future__ import absolute_import, division, print_function

import os

import tensorflow as tf
from tensorflow import keras

tf.__version__

(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()

train_labels = train_labels[:1000]
test_labels = test_labels[:1000]

train_images = train_images[:1000].reshape(-1, 28 * 28) / 255.0
test_images = test_images[:1000].reshape(-1, 28 * 28) / 255.0

定义模型

# Returns a short sequential model
def create_model():
  model = tf.keras.models.Sequential([
    keras.layers.Dense(512, activation=tf.nn.relu, input_shape=(784,)),
    keras.