tf.train.Saver()與tf.train.import_meta_graph的示例分析

這篇文章將為大家詳細(xì)講解有關(guān)tf.train.Saver()與tf.train.import_meta_graph的示例分析，小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

(一)、tf.train.Saver()

(1). tf.train.Saver() 是用來保存tensorflow訓(xùn)練模型的，默認(rèn)保存全部參數(shù)

(2). 用來加載參數(shù)，注：只加載存儲(chǔ)在data中的權(quán)重和偏置項(xiàng)等需要訓(xùn)練的參數(shù)，其他一律不加載，包括meta文件中的圖也不加載

(二)、tf.train.import_meta_graph

(1). 用來加載meta文件中的圖,以及圖上定義的結(jié)點(diǎn)參數(shù)包括權(quán)重偏置項(xiàng)等需要訓(xùn)練的參數(shù),也包括訓(xùn)練過程生成的中間參數(shù),所有參數(shù)都是通過graph調(diào)用接口get_tensor_by_name(name="訓(xùn)練時(shí)的參數(shù)名稱")來獲取

(三)、總結(jié)

(1). 保存使用tf.train.Saver()

(2). 加載可以使用tf.train.import_meta_graph(".meta文件"),直接通過訓(xùn)練參數(shù)名稱就可以獲取需要的參數(shù),但需要提前知道訓(xùn)練時(shí)的參數(shù)名稱才能獲取,要懂得tensorflow命名規(guī)則

(3). tf.train.Saver("./checkpoints目錄/")加載的缺點(diǎn)是只加載了訓(xùn)練參數(shù),并且必須定義與之相同(shape,dtype要相同,tf.type要相同，如：我是placeholder,你也是tf.placeholder)方能使用,當(dāng)你要獲取訓(xùn)練中間參數(shù)時(shí),需要和訓(xùn)練過程一樣搭建相同的網(wǎng)絡(luò).

補(bǔ)充：tf.train.import_meta_graph報(bào)KeyError

我在模型恢復(fù)時(shí)，在執(zhí)行tf.train.import_meta_graph的時(shí)候報(bào)錯(cuò)

后來發(fā)現(xiàn)，我的模型是在服務(wù)器上訓(xùn)練的，服務(wù)器上tensorflow版本是1.11.0,而我在本地電腦上執(zhí)行的 tf.train.import_meta_graph，我本地的tensorflow是1.5.0，我將tensorflow更新到1.11.0后，就解決了。

關(guān)于“tf.train.Saver()與tf.train.import_meta_graph的示例分析”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，使各位可以學(xué)到更多知識(shí)，如果覺得文章不錯(cuò)，請(qǐng)把它分享出去讓更多的人看到。