Question

作者: Morvan 编辑: Morvan

• 学习资料:
  • 相关代码

我们搭建好了一个神经网络，训练好了，肯定也想保存起来，用于再次加载. 那今天我们就来说说怎样用 Tensorflow 中的 saver 保存和加载吧。

本节内容:

• 保存
• 提取

保存

import 所需的模块，然后建立神经网络当中的 W 和 b , 并初始化变量。

import tensorflow as tf
import numpy as np

## 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() # tf 马上就要废弃这种写法
# 替换成下面的写法:
init = tf.global_variables_initializer()

保存时，首先要建立一个 tf.train.Saver() 用来保存，提取变量. 再创建一个名为 my_net 的文件夹，用这个 saver 来保存变量到这个目录 "my_net/save_net.ckpt" .

saver = tf.train.Saver()

with tf.Session() as sess:
    sess.run(init)
    save_path = saver.save(sess, "my_net/save_net.ckpt")
    print("Save to path: ", save_path)

"""    
Save to path:  my_net/save_net.ckpt
"""

提取

提取时，先建立零时的 W 和 b 容器. 找到文件目录，并用 saver.restore() 我们放在这个目录的变量。

# 先建立 W, b 的容器
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")

# 这里不需要初始化步骤 init= tf.initialize_all_variables()

saver = tf.train.Saver()
with tf.Session() as sess:
    # 提取变量
    saver.restore(sess, "my_net/save_net.ckpt")
    print("weights:", sess.run(W))
    print("biases:", sess.run(b))

"""
weights: [[ 1.  2.  3.]
          [ 3.  4.  5.]]
biases: [[ 1.  2.  3.]]
"""

如果你觉得这篇文章或视频对你的学习很有帮助，请你也分享它，让它能再次帮助到更多的需要学习的人。