欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

TensorFlow利用saver保存和提取参数的实例

程序员文章站 2022-07-10 13:38:58
在训练循环中,定期调用 saver.save() 方法,向文件夹中写入包含了当前模型中所有可训练变量的 checkpoint 文件。 saver.save(ses...

在训练循环中,定期调用 saver.save() 方法,向文件夹中写入包含了当前模型中所有可训练变量的 checkpoint 文件。

saver.save(sess, flags.train_dir, global_step=step)

global_step是训练的第几步

保存参数:

import tensorflow as tf
 
w = tf.variable([[1, 2, 3]], dtype=tf.float32)
b = tf.variable([[1]], dtype=tf.float32)
 
saver = tf.train.saver()
 
sess = tf.interactivesession()
tf.global_variables_initializer().run()
# 必须要指定文件夹,保存到ckpt文件
save_path = saver.save(sess, "winycg/1.ckpt")
print(save_path)

一次 saver.save() 后可以在文件夹中看到新增的四个文件,实际上每调用一次保存操作会创建后3个数据文件并创建一个检查点(checkpoint)文件,简单理解就是权重等参数被保存到 .chkp.data 文件中,以字典的形式;图和元数据被保存到 .chkp.meta 文件中,可以被 tf.train.import_meta_graph 加载到当前默认的图。

TensorFlow利用saver保存和提取参数的实例

读取参数:

import tensorflow as tf
import numpy as np
 
w = tf.variable(np.arange(3).reshape(1, 3), dtype=tf.float32)
b = tf.variable(np.arange(1).reshape(1, 1), dtype=tf.float32)
 
saver = tf.train.saver()
 
sess = tf.interactivesession()
# 读取参数时不需要global_variables_initializer()
save_path = saver.restore(sess, "parameter/1.ckpt")
print("weights:", sess.run(w))
print("bias:", sess.run(b))

weights: [[ 1. 2. 3.]]

bias: [[ 1.]]

以上这篇tensorflow利用saver保存和提取参数的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。