您好,登錄后才能下訂單哦!
今天和大家分享一下用TensorFlow的saver存取訓(xùn)練好的模型那點(diǎn)事。
1. 用saver存取變量;
2. 用saver存取指定變量。
用saver存取變量。
話不多說(shuō),先上代碼
# coding=utf-8 import os import tensorflow as tf import numpy os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #有些指令集沒有裝,加這個(gè)不顯示那些警告 w = tf.Variable([[1,2,3],[2,3,4],[6,7,8]],dtype=tf.float32) b = tf.Variable([[4,5,6]],dtype=tf.float32,) s = tf.Variable([[2, 5],[5, 6]], dtype=tf.float32) init = tf.global_variables_initializer() saver =tf.train.Saver() with tf.Session() as sess: sess.run(init) save_path = saver.save(sess, "save_net.ckpt")#路徑可以自己定 print("save to path:",save_path)
這里我隨便定義了幾個(gè)變量然后進(jìn)行存操作,運(yùn)行后,變量w,b,s會(huì)被保存下來(lái)。保存會(huì)生成如下幾個(gè)文件:
接下來(lái)是讀取的代碼
import tensorflow as tf import os import numpy as np os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' w = tf.Variable(np.arange(9).reshape((3,3)),dtype=tf.float32) b = tf.Variable(np.arange(3).reshape((1,3)),dtype=tf.float32) a = tf.Variable(np.arange(4).reshape((2,2)),dtype=tf.float32) saver =tf.train.Saver() with tf.Session() as sess: saver.restore(sess,'save_net.ckpt') print ("weights",sess.run(w)) print ("b",sess.run(b)) print ("s",sess.run(a))
在寫讀取代碼時(shí)要注意變量定義的類型、大小和變量的數(shù)量以及順序等要與存的時(shí)候一致,不然會(huì)報(bào)錯(cuò)。你存的時(shí)候順序是w,b,s,取的時(shí)候同樣這個(gè)順序。存的時(shí)候w定義了dtype沒有 定義name,取的時(shí)候同樣要這樣,因?yàn)門ensorFlow存取是按照鍵值對(duì)來(lái)存取的,所以必須一致。這里變量名,也就是w,s之類可以不同。
如下是我成功讀取的效果
用saver存取指定變量。
在我們做訓(xùn)練時(shí)候,有些變量是沒有必要保存的,但是如果直接用tf.train.Saver()。程序會(huì)將所有的變量保存下來(lái),這時(shí)候我們可以指定保存,只保存我們需要的變量,其他的統(tǒng)統(tǒng)丟掉。
其實(shí)很簡(jiǎn)單,只需要在上面代碼基礎(chǔ)上稍加修改,只需把tf.train.Saver()替換成如下代碼
program = [] program += [w,b] tf.train.Saver(program)
這樣,程序就只會(huì)存w和b了。同樣,讀取程序里面的tf.train.Saver()也要做如上修改。dtype,name之類依舊必須一致。
最后附上最終代碼:
# coding=utf-8 # saver保存變量測(cè)試 import os import tensorflow as tf import numpy os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #有些指令集沒有裝,加這個(gè)不顯示那些警告 w = tf.Variable([[1,2,3],[2,3,4],[6,7,8]],dtype=tf.float32) b = tf.Variable([[4,5,6]],dtype=tf.float32,) s = tf.Variable([[2, 5],[5, 6]], dtype=tf.float32) init = tf.global_variables_initializer() program = [] program += [w, b] saver =tf.train.Saver(program) with tf.Session() as sess: sess.run(init) save_path = saver.save(sess, "save_net.ckpt")#路徑可以自己定 print("save to path:",save_path)
#saver提取變量測(cè)試 import tensorflow as tf import os import numpy as np os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' w = tf.Variable(np.arange(9).reshape((3,3)),dtype=tf.float32) b = tf.Variable(np.arange(3).reshape((1,3)),dtype=tf.float32) a = tf.Variable(np.arange(4).reshape((2,2)),dtype=tf.float32) program = [] program +=[w,b] saver =tf.train.Saver(program) with tf.Session() as sess: saver.restore(sess,'save_net.ckpt') print ("weights",sess.run(w)) print ("b",sess.run(b)) #print ("s",sess.run(a))
以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持億速云。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。