Tensorflow中變量保存與恢復(fù)

1、Tensorflow 中變量保存與恢復(fù)SaverTensorflow 中，用 tensorflow.train.Saver 來(lái)保存、恢復(fù)變量。 保存變量tf.train.Saver.save(sess, save_path, global_step=None, latest_filename=None, meta_graph_suffix=meta, write_meta_graph=True, write_state=True)11 #例子import tensorflow as tf# 創(chuàng)建兩個(gè)變量v1= tf.Variable(tf.random_normal(784, 200, std

2、dev=0.35), name=v1)v2= tf.Variable(tf.zeros(200), name=v2)# 添加用于初始化變量的節(jié)點(diǎn)init_op = tf.global_variables_initializer()# Create a saver.saver = tf.train.Saver(tf.global_variables() # 運(yùn)行，保存變量sess = tf.Session() saver.save(sess,my-model)12345678910111213141512345678 9101112131415Saver 可以使用提供的計(jì)數(shù)器自動(dòng)為 checkp

3、oint 文件編號(hào)。這 使得在訓(xùn)練模型時(shí)在不同的步驟保留多個(gè)檢查點(diǎn)。在 save() 方法中傳遞可選的 global_step 參數(shù)，可以對(duì) checkpoint 文件 進(jìn)行編號(hào)saver.save(sess, my-model, global_step=0) = filename: my-model-0saver.save(sess, my-model, global_step=1000) = filename: my-model-100012341234 #例子import tensorflow as tf# 創(chuàng)建兩個(gè)變量v1= tf.Variable(tf.random_normal(7

4、84, 200, stddev=0.35), name=v1)v2= tf.Variable(tf.zeros(200), name=v2) # 添加用于初始化變量的節(jié)點(diǎn) init_op = tf.global_variables_initializer() # Create a saver.saver = tf.train.Saver(tf.global_variables() # 運(yùn)行圖，打開(kāi)會(huì)話，每 1000 次保存一個(gè)模型sess = tf.Session()for step in range(10000):sess.run(init_op)if step % 1000 = 0:sav

5、er.save(sess, base_path+my-model, global_step=step)1234567891011121314151617181234567891 01112131415161718運(yùn)行結(jié)果： 恢復(fù)變量tf.train.Saver.restore(sess, save_path)11 #例子sess.run(tf.global_variables_initializer()saver = tf.train.Saver(tf.global_variables()#arg:獲取最近一次保存的變量文件名稱module_file = tf.train.latest_checkpoint(my-model) print(module_file)sav