tensorflow 的模型保存和调用

我们通常采用tensorflow来训练，训练完之后应当保存模型,即保存模型的记忆（权重和偏置），这样就可以来进行人脸识别或语音识别了。

1.模型的保存

# 声明两个变量v1 = tf.Variable(tf.random_normal([1, 2]), name="v1")v2 = tf.Variable(tf.random_normal([2, 3]), 
name="v2")init_op = tf.global_variables_initializer() # 初始化全部变量saver = tf.train.Saver() # 声明tf.train
.Saver类用于保存模型with tf.Session() as sess:    sess.run(init_op)    print("v1:", sess.run(v1)) 
# 打印v1、v2的值一会读取之后对比    print("v2:", sess.run(v2))     
#定义保存路径，一定要是绝对路径，且用‘/ ’分隔父目录与子目录    saver_path = saver.save(sess, 
"C:/Users/Administrator/Desktop/tt/model.ckpt")  # 将模型保存到save/model.ckpt文件    
print("Model saved in file:", saver_path)1.2.3.4.5.6.7.8.9.10.11.12.

2.模型的读取

直接读取模型时，可能会报错，我是用Spyder编译的，可以把Spyder关掉，再重新打开，就可以读取数据了。原因可能是：在模型保存时将变量初始化了。

import tensorflow as tf# 使用和保存模型代码中一样的方式来声明变量v1 = tf.Variable(tf.random_normal([1, 2]), 
name="v1")v2 = tf.Variable(tf.random_normal([2, 3]), name="v2")saver = tf.train.Saver() 
# 声明tf.train.Saver类用于保存模型with tf.Session() as sess:    saver.restore(sess, 
"C:/Users/Administrator/Desktop/tt/model.ckpt") # 即将固化到硬盘中的Session从保存路径再读取出来    
print("v1:", sess.run(v1)) # 打印v1、v2的值和之前的进行对比    print("v2:", sess.run(v2))    
print("Model Restored")1.2.3.4.5.6.7.8.9.10.11.

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删