TensorFLow用Saver保存和恢復(fù)變量
更新時(shí)間：2018年03月10日 10:30:39 作者：Deephome
這篇文章主要為大家詳細(xì)介紹了TensorFLow用Saver保存和恢復(fù)變量，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
本文為大家分享了TensorFLow用Saver保存和恢復(fù)變量的具體代碼，供大家參考，具體內(nèi)容如下
建立文件tensor_save.py, 保存變量v1,v2的tensor到checkpoint files中，名稱分別設(shè)置為v3,v4。
import tensorflow as tf
# Create some variables.
v1 = tf.Variable(3, name="v1")
v2 = tf.Variable(4, name="v2")
# Create model
y=tf.add(v1,v2)
# Add an op to initialize the variables.
init_op = tf.initialize_all_variables()
# Add ops to save and restore all the variables.
saver = tf.train.Saver({'v3':v1,'v4':v2})
# Later, launch the model, initialize the variables, do some work, save the
# variables to disk.
with tf.Session() as sess:
sess.run(init_op)
print("v1 = ", v1.eval())
print("v2 = ", v2.eval())
# Save the variables to disk.
save_path = saver.save(sess, "f:/tmp/model.ckpt")
print ("Model saved in file: ", save_path)
建立文件tensor_restror.py, 將checkpoint files中名稱分別為v3,v4的tensor分別恢復(fù)到變量v3,v4中。
import tensorflow as tf
# Create some variables.
v3 = tf.Variable(0, name="v3")
v4 = tf.Variable(0, name="v4")
# Create model
y=tf.mul(v3,v4)
# Add ops to save and restore all the variables.
saver = tf.train.Saver()
# Later, launch the model, use the saver to restore variables from disk, and
# do some work with the model.
with tf.Session() as sess:
# Restore variables from disk.
saver.restore(sess, "f:/tmp/model.ckpt")
print ("Model restored.")
print ("v3 = ", v3.eval())
print ("v4 = ", v4.eval())
print ("y = ",sess.run(y))
以上就是本文的全部內(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腳本之家。
相關(guān)文章
這篇文章主要介紹了Python 捕獲代碼中所有異常的方法，文中講解非常細(xì)致，代碼幫助大家更好的理解和學(xué)習(xí)，感興趣的朋友可以了解下2020-08-08
Python?print函數(shù):如何將對(duì)象打印輸出
這篇文章主要介紹了Python?print函數(shù):如何將對(duì)象打印輸出，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-05-05
Python設(shè)計(jì)模式之觀察者模式原理與用法詳解
這篇文章主要介紹了Python設(shè)計(jì)模式之觀察者模式,簡單講述了觀察者模式的概念、原理并結(jié)合實(shí)例形式分析了Python實(shí)現(xiàn)與使用方法,需要的朋友可以參考下2019-01-01
這篇文章主要介紹了Python辦公黑科技,文中有非常詳細(xì)的代碼示例,對(duì)正在學(xué)習(xí)python的小伙伴們有非常好的幫助,需要的朋友可以參考下2021-08-08
這篇文章主要介紹了pytorch版本PSEnet訓(xùn)練并部署方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-05-05
Tensorflow?2.1完成對(duì)MPG回歸預(yù)測詳解
這篇文章主要為大家介紹了Tensorflow?2.1完成對(duì)MPG回歸預(yù)測詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-11-11
pytorch之深度神經(jīng)網(wǎng)絡(luò)概念全面整理
這篇文章主要介紹了pytorch之深度神經(jīng)網(wǎng)絡(luò)概念，本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2021-09-09
這篇文章主要介紹了python multiply()與dot使用示例，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)吧2022-12-12
下面小編就為大家分享一篇pandas實(shí)現(xiàn)選取特定索引的行，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-04-04
這篇文章主要介紹了如何利用python實(shí)現(xiàn)蝴蝶曲線，自然界的很多現(xiàn)象都可以適當(dāng)?shù)暮喕么鷶?shù)曲線和超越曲線來表達(dá)，下面我們就來利用去先畫出小蝴蝶，需要的小伙伴可以參考一下2022-03-03