tensorflow保存模型，加载模型，tensorboard可视化

最新推荐文章于 2023-09-17 15:42:57 发布

yuqinjh

最新推荐文章于 2023-09-17 15:42:57 发布

阅读量767

点赞数

分类专栏： tensorflow

本文链接：https://blog.csdn.net/yuqinjh/article/details/79121430

版权

本文介绍了如何在TensorFlow中保存训练好的模型，并详细讲解了如何加载模型进行测试。同时，还提供了使用TensorBoard进行训练过程可视化的步骤，包括切换到log目录的上一级以及运行tensorboard命令。

摘要由CSDN通过智能技术生成

首先是训练模型保存模型

# -*- coding: utf-8 -*-
"""
Created on Sun Jan 21 12:33:46 2018

@author: FDXK
"""
import sys
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

max_step = 1000
learning_rate = 0.001
dropout = 0.9

data_dir = 'MNIST_data'
log_dir = 'log'

mnist = input_data.read_data_sets(data_dir, one_hot = True)

sess = tf.InteractiveSession()

with tf.name_scope('input'):
    x = tf.placeholder(tf.float32, [None,784], name = 'x_input')
    print(x)
    y_ = tf.placeholder(tf.float32, [None, 10], name = 'y_input')
    print(y_)
with tf.name_scope('input_reshape'):
    image_shaped_input = tf.reshape(x, [-1, 28, 28, 1])
    tf.summary.image('input', image_shaped_input, 10)
    
def weight_variable(shape):
    initial = tf.truncated_normal(shape, stddev = 0.1)
    return tf.Variabl