tf 模型保存
tf用 tf.train.Saver类来实现神经网络模型的保存和读取。无论保存还是读取,都首先要创建saver对象。
用saver对象的save方法保存模型
保存的是所有变量
save(
sess,
save_path,
global_step=None,
latest_filename=None,
meta_graph_suffix='meta',
write_meta_graph=True,
write_state=True
)
保存模型需要session,初始化变量
用法示例
import tensorflow as tf v1 = tf.Variable(tf.constant(1.0, shape=[1]), name="v1")
v2 = tf.Variable(tf.constant(2.0, shape=[1]), name="v2")
result = v1 + v2 saver = tf.train.Saver() with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
saver.save(sess, "Model/model.ckpt", global_step=3)
输出
1. global_step 放在文件名后面,起个标记作用
2. save方法输出4个文件
// checkpoint 里面是一堆路径,model_checkpoint_path 记录了最新模型的路径,all_model_checkpoint_paths 记录了之前模型的路径
// model.ckpt-3.data-00000-of-00001 存放的是模型参数
// model.ckpt-3.meta 存放的是计算图
3. 最多只能保存近5次模型,比如我们迭代100次,每次保存一下,最后只留下了最近的5次。
用saver对象的restore方法加载模型
加载的是所有变量,以name为准,假如保存的模型中有变量叫 a ,value是2,那么在加载后,即使重新建立变量a,并赋其他value,其value仍然是2
restore(
sess,
save_path
)
加载模型需要session,不需要初始化变量
用法示例(接前例)
v1 = tf.Variable(tf.constant(1.0, shape=[1]), name="v1")
v2 = tf.Variable(tf.constant(7.0, shape=[1]), name="v2")
# v2 = tf.Variable(tf.constant(7.0, shape=[1]), name="v22") # Key v22 not found in checkpoint
result = v1 + v2 saver = tf.train.Saver()
#
with tf.Session() as sess:
saver.restore(sess, "./Model/model.ckpt-3") # 注意此处路径前添加"./"
print(sess.run(result)) # [ 3.]
1. 重新给 name为 v2的变量 赋值,其结果仍然是3,说明加载了之前的v2
2. 新建name为 v22 的变量,报错, 在保存的模型中没找到v2 。说明寻找变量以name为准,不以变量名为准
继续做如下尝试
v1 = tf.Variable(tf.constant(1.0, shape=[1]), name="v1")
# v2 = tf.Variable(tf.constant(7.0, shape=[1]), name="v2")
v3 = tf.Variable(tf.constant(7.0, shape=[1]), name="v22") # Key v22 not found in checkpoint
result = v1 + v3 saver = tf.train.Saver()
#
with tf.Session() as sess:
# sess.run(tf.global_variables_initializer()) # Key v22 not found in checkpoint
saver.restore(sess, "./Model/model.ckpt-3") # 注意此处路径前添加"./"
# sess.run(tf.global_variables_initializer()) # Key v22 not found in checkpoint
print(sess.run(result)) # [ 3.]
1. 新建name为v22的变量v3,仍然报错,说明新的变量没有被接受
2. 在加载模型前初始化v3,仍然报错,加载模型后初始化v3,仍然报错,这说明在加载的模型中不接受新的变量。
继续尝试
v1 = tf.Variable(tf.constant(1.0, shape=[1]), name="v1")
# v2 = tf.Variable(tf.constant(7.0, shape=[1]), name="v2")
v3 = tf.Variable(tf.constant(7.0, shape=[1]), name="v22") # Key v22 not found in checkpoint
result = v1 + v3 saver = tf.train.Saver()
#
with tf.Session() as sess:
sess.run(tf.global_variables_initializer()) # Key v22 not found in checkpoint
print(sess.run(v3)) # [7.]
saver.restore(sess, "./Model/model.ckpt-3") # 注意此处路径前添加"./"
sess.run(tf.global_variables_initializer()) # Key v22 not found in checkpoint
print(sess.run(result)) # [ 3.]
在加载模型前初始化变量,正确输出,但在加载后,报错,证实了我上面的说法,“不接受新的变量”
总结:
1. 模型加载加载的是所有变量,以name为准
2. 模型加载后不接受任何新的变量
3. 在加载模型时需要重新定义计算图上的所有节点,但是变量无需初始化
加载计算图
直接加载计算图就无需重新定义计算图上的节点
用法示例
saver = tf.train.import_meta_graph("Model/model.ckpt-3.meta") with tf.Session() as sess:
saver.restore(sess, "./Model/model.ckpt-3") # 注意路径写法
print(sess.run(tf.get_default_graph().get_tensor_by_name("add:0"))) # [3.]
# print(sess.run(sess.graph.get_tensor_by_name('add:0'))) # [3.]
重命名变量
在加载模型时不接受新的变量,这会造成很多麻烦。
为解决这个问题,加载模型时可以给变量重命名。
用法示例
u1 = tf.Variable(tf.constant(1.0, shape=[1]), name="other-v1")
u2 = tf.Variable(tf.constant(2.0, shape=[1]), name="other-v2")
result = u1 + u2 # 若直接声明Saver类对象,会报错变量找不到
# 使用一个字典dict重命名变量即可,{"已保存的变量的名称name": 重命名变量名}
# 原来名称name为v1的变量现在加载到变量u1(名称name为other-v1)中
saver = tf.train.Saver({"v1": u1, "v2": u2}) with tf.Session() as sess:
saver.restore(sess, "./Model/model.ckpt-3")
print(sess.run(result)) # [ 3.]
注意重命名格式 老变量的name: 新变量名
参考资料:
https://blog.csdn.net/marsjhao/article/details/72829635
https://blog.csdn.net/shuzfan/article/details/79197432
tf 模型保存的更多相关文章
- TensorFlow:tf.train.Saver()模型保存与恢复
1.保存 将训练好的模型参数保存起来,以便以后进行验证或测试.tf里面提供模型保存的是tf.train.Saver()模块. 模型保存,先要创建一个Saver对象:如 saver=tf.train.S ...
- tensorflow的tf.train.Saver()模型保存与恢复
将训练好的模型参数保存起来,以便以后进行验证或测试.tf里面提供模型保存的是tf.train.Saver()模块. 模型保存,先要创建一个Saver对象:如 saver=tf.train.Saver( ...
- TensorFlow构建卷积神经网络/模型保存与加载/正则化
TensorFlow 官方文档:https://www.tensorflow.org/api_guides/python/math_ops # Arithmetic Operators import ...
- 10 Tensorflow模型保存与读取
我们的模型训练出来想给别人用,或者是我今天训练不完,明天想接着训练,怎么办?这就需要模型的保存与读取.看代码: import tensorflow as tf import numpy as np i ...
- tensorflow 模型保存与加载 和TensorFlow serving + grpc + docker项目部署
TensorFlow 模型保存与加载 TensorFlow中总共有两种保存和加载模型的方法.第一种是利用 tf.train.Saver() 来保存,第二种就是利用 SavedModel 来保存模型,接 ...
- TensorFlow模型保存和加载方法
TensorFlow模型保存和加载方法 模型保存 import tensorflow as tf w1 = tf.Variable(tf.constant(2.0, shape=[1]), name= ...
- TensorFlow进阶(六)---模型保存与恢复、自定义命令行参数
模型保存与恢复.自定义命令行参数. 在我们训练或者测试过程中,总会遇到需要保存训练完成的模型,然后从中恢复继续我们的测试或者其它使用.模型的保存和恢复也是通过tf.train.Saver类去实现,它主 ...
- Sklearn,TensorFlow,keras模型保存与读取
一.sklearn模型保存与读取 1.保存 from sklearn.externals import joblib from sklearn import svm X = [[0, 0], [1, ...
- TensorFlow模型保存和提取方法
一.TensorFlow模型保存和提取方法 1. TensorFlow通过tf.train.Saver类实现神经网络模型的保存和提取.tf.train.Saver对象saver的save方法将Tens ...
随机推荐
- LeetCode--414--第三大的数
问题描述: 给定一个非空数组,返回此数组中第三大的数.如果不存在,则返回数组中最大的数.要求算法时间复杂度必须是O(n). 示例 1: 输入: [3, 2, 1] 输出: 1 解释: 第三大的数是 1 ...
- python—变量和简单数据类型
1.变量 在程序中可随时修改变量的值,python始终记录变量的最新值 变量名:必须以字母或者下划线开头,只能包含字母数字和下划线,建议使用下划线+小写字母的方式命名,不能为函数名和python关键字 ...
- eclipse指定jdk路径
- 『MXNet』第四弹_Gluon自定义层
一.不含参数层 通过继承Block自定义了一个将输入减掉均值的层:CenteredLayer类,并将层的计算放在forward函数里, from mxnet import nd, gluon from ...
- json加密
有的时候我们为了传参数的URL比较安全,我们一般会用json加密的方法来使自己的URL安全. $a['order_sn'] = $orderNo;$data = json_encode( $a);$d ...
- 新增节点NewBook并增加属性Name="WPF"
XmlDocument xmlDoc = new XmlDocument(); xmlDoc.Load(xmlPath); var root = xmlDoc.DocumentElement;//取到 ...
- PAT 1008 Elevator
1008 Elevator (20 分) The highest building in our city has only one elevator. A request list is mad ...
- MongoDB 教程(五):连接、新建数据库、删除数据库
连接 启动 MongoDB 服务 只需要在 MongoDB 安装目录的 bin 目录下执行 mongodb 即可. 执行启动操作后,mongodb 在输出一些必要信息后不会输出任何信息,之后就等待连接 ...
- python QMainWindow QWidget
from PyQt5 import QtWidgetsfrom untitled import Ui_MainWindowfrom PyQt5.QtWidgets import QFileDialog ...
- Google Protocol Buffers 反序列化 转
http://www.cnblogs.com/royenhome/archive/2010/10/30/1865256.html 本文作为结束篇,会稍微介绍下怎么反序列化GoogleBuffer数 ...