python 如何在张量流中保存和恢复模型

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python 如何在张量流中保存和恢复模型相关的知识,希望对你有一定的参考价值。

##save model:
w1 = tf.Variable(tf.truncated_normal(shape=[10]), name='w1')
w2 = tf.Variable(tf.truncated_normal(shape=[20]), name='w2')
tf.add_to_collection('vars', w1)
tf.add_to_collection('vars', w2)
saver = tf.train.Saver()
sess = tf.Session()
sess.run(tf.global_variables_initializer())
saver.save(sess, 'my-model')
# `save` method will call `export_meta_graph` implicitly.
# you will get saved graph files:my-model.meta

##restore model:
sess = tf.Session()
new_saver = tf.train.import_meta_graph('my-model.meta')
new_saver.restore(sess, tf.train.latest_checkpoint('./'))
all_vars = tf.get_collection('vars')
for v in all_vars:
    v_ = sess.run(v)
    print(v_)

以上是关于python 如何在张量流中保存和恢复模型的主要内容,如果未能解决你的问题,请参考以下文章

如何在张量流中对张量进行子集化?

如何从子目录加载张量流中的数据

如何在张量流中使用非常大(> 2M)的词嵌入?

张量流中 GradientDescentOptimizer 和 AdamOptimizer 的区别?

张量流中的稀疏自动编码器成本函数

python 张量流中的梯度裁剪