<强> tensorflow模型保存为节?tf.train.Saver()函数,saver.save()保存模型,代码如下:
进口tensorflow特遣部队
v1=tf.Variable (tf。random_normal ((784、200), stddev=0.35), name=皏1”)
v2=tf.Variable (tf.zeros ([200]), name=皏2”)
储蓄者=tf.train.Saver ()
与tf.Session税():
init_op=tf.global_variables_initializer ()
sess.run (init_op)
saver.save(税、“检查点/model_test”global_step=1)
之前
<强>当我们保存模型后,我们可以通过saver.restore()来加载模型,初始化变量:
进口tensorflow特遣部队
v1=tf.Variable (tf。random_normal ((784、200), stddev=0.35), name=皏1”)
v2=tf.Variable (tf.zeros ([200]), name=皏2”)
储蓄者=tf.train.Saver ()
与tf.Session税():
# init_op=tf.global_variables_initializer ()
# sess.run (init_op)
储蓄者。恢复(税,“检查点/model_test-1”)
# saver.save(税、“检查点/model_test”global_step=1)
之前
神经网络训练时,有时候我们需要从预训练的模型中加载部分参数,初始化当前模型,例如加入CNN有6层,我们需要从已有的模型初始化CNN前5层参数。这可以通过saver.restore()实现。
之前我们已经介绍可以通过tf.train.Saver()的保存部分变量的方法,即需要保存的变量列表,同样的,在变量初始化的时候,我们可以对需要单独初始化的变量分别定义一个tf.train.Saver()函数,这样就可以单独对该部分变量初始化,例如下面代码,saver1用于初始化变量v1, saver2用于初始化变量v2, v3:
进口tensorflow特遣部队
v1=tf.Variable (tf。random_normal ((784、200), stddev=0.35), name=皏1”)
v2=tf.Variable (tf.zeros ([200]), name=皏2”)
v3=tf.Variable (tf.zeros ([100]), name=" v3 ")
#节?tf.train.Saver ()
saver1=tf.train.Saver ((v1))
saver2=tf.train.Saver ((v2) + (v3))
与tf.Session税():
# init_op=tf.global_variables_initializer ()
# sess.run (init_op)
saver1。恢复(税,“检查点/model_test-1”)
saver2。恢复(税,“检查点/model_test-1”)
# saver.save(税、“检查点/model_test”global_step=1)
之前
以上这篇tensorflow加载部分变量的实例讲解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。
