对tensorflow 的模型保存和调用实例讲解
我们通常采用tensorflow来训练,训练完之后应当保存模型,即保存模型的记忆(权重和偏置),这样就可以来进行人脸识别或语音识别了。
1.模型的保存
#声明两个变量 v1=tf.Variable(tf.random_normal([1,2]),name="v1") v2=tf.Variable(tf.random_normal([2,3]),name="v2") init_op=tf.global_variables_initializer()#初始化全部变量 saver=tf.train.Saver()#声明tf.train.Saver类用于保存模型 withtf.Session()assess: sess.run(init_op) print("v1:",sess.run(v1))#打印v1、v2的值一会读取之后对比 print("v2:",sess.run(v2)) #定义保存路径,一定要是绝对路径,且用‘/'分隔父目录与子目录 saver_path=saver.save(sess,"C:/Users/Administrator/Desktop/tt/model.ckpt")#将模型保存到save/model.ckpt文件 print("Modelsavedinfile:",saver_path)
2.模型的读取
直接读取模型时,可能会报错,我是用Spyder编译的,可以把Spyder关掉,再重新打开,就可以读取数据了。原因可能是:在模型保存时将变量初始化了。
importtensorflowastf #使用和保存模型代码中一样的方式来声明变量 v1=tf.Variable(tf.random_normal([1,2]),name="v1") v2=tf.Variable(tf.random_normal([2,3]),name="v2") saver=tf.train.Saver()#声明tf.train.Saver类用于保存模型 withtf.Session()assess: saver.restore(sess,"C:/Users/Administrator/Desktop/tt/model.ckpt")#即将固化到硬盘中的Session从保存路径再读取出来 print("v1:",sess.run(v1))#打印v1、v2的值和之前的进行对比 print("v2:",sess.run(v2)) print("ModelRestored")
以上这篇对tensorflow的模型保存和调用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毛票票。