本篇內(nèi)容主要講解“TensorFLow怎么用Saver保存和恢復(fù)變量”，感興趣的朋友不妨來(lái)看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來(lái)帶大家學(xué)習(xí)“TensorFLow怎么用Saver保存和恢復(fù)變量”吧!
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。
重慶分公司
重慶分公司
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))到此，相信大家對(duì)“TensorFLow怎么用Saver保存和恢復(fù)變量”有了更深的了解，不妨來(lái)實(shí)際操作一番吧！這里是創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計(jì)公司網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！
另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無(wú)理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場(chǎng)景需求。
