python保存模型与参数_TensorFlow Saver:保存和读取模型参数.ckpt实例

在使用TensorFlow的过程中，保存模型参数变量是很重要的一个环节，既可以保证训练过程信息不丢失，也可以帮助我们在需要快速恢复或使用一个模型的时候，利用之前保存好的参数之间导入，可以节省大量的训练时间。本文通过最简单的例程教大家如何保存和读取.ckpt文件。

一、保存到文件

首先是导入必要的东西：

import tensorflow as tf

import numpy as np

随便写几个变量：

# Save to file

# remember to define the same dtype and shape when restore

W = tf.Variable([[1,2,3],[3,4,5]], dtype=tf.float32, name='weights')

b = tf.Variable([[1,2,3]], dtype=tf.float32, name='biases')

init= tf.initialize_all_variables()

定义一个saver，来存储我们的各种变量：

saver = tf.train.Saver()

保存的文件用.ckpt后缀：

with tf.Session() as sess:

sess.run(init)

save_path = saver.save(sess, "my_net/save_net.ckpt")

print("Save to path: ", save_path)

上面我们就完成了保存操作。

接下来我们要把之前保存过的变量取出来。

二、取出之前保存的变量

这里要注意，取出时要先开辟一个容器来装，shape和type要和我们之前保存的.ckpt一样。

# restore variables

# redefine the same shape and same type for your variables

W = tf.Variable(np.arange(6).reshape((2, 3)), dtype=tf.float32, name="weights")

b = tf.Variable(np.arange(3).reshape((1, 3)), dtype=tf.float32, name="biases")

restore时，不需要进行init= tf.initialize_all_variables()操作。

利用saver提取文件：

saver = tf.train.Saver()

with tf.Session() as sess:

saver.restore(sess, "my_net/save_net.ckpt")

print("weights:", sess.run(W))

print("biases:", sess.run(b))

结果：

以上这篇TensorFlow Saver:保存和读取模型参数.ckpt实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。