TensorFLow怎么用Saver保存和恢复变量-创新互联
本篇内容主要讲解“TensorFLow怎么用Saver保存和恢复变量”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“TensorFLow怎么用Saver保存和恢复变量”吧!
创新互联专注于企业成都营销网站建设、网站重做改版、九台网站定制设计、自适应品牌网站建设、H5高端网站建设、商城网站开发、集团公司官网建设、成都外贸网站建设、高端网站制作、响应式网页设计等建站业务,价格优惠性价比高,为九台等各大城市提供网站开发制作服务。建立文件tensor_save.py, 保存变量v1,v2的tensor到checkpoint files中,名称分别设置为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, 将checkpoint files中名称分别为v3,v4的tensor分别恢复到变量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))
到此,相信大家对“TensorFLow怎么用Saver保存和恢复变量”有了更深的了解,不妨来实际操作一番吧!这里是创新互联成都网站设计公司网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!
另外有需要云服务器可以了解下创新互联scvps.cn,海内外云服务器15元起步,三天无理由+7*72小时售后在线,公司持有idc许可证,提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案,具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势,专为企业上云打造定制,能够满足用户丰富、多元化的应用场景需求。
分享文章:TensorFLow怎么用Saver保存和恢复变量-创新互联
转载来于:http://pwwzsj.com/article/doscjj.html