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)

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")

以上这篇对tensorflow 的模型保存和调用实例讲解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。

华山资源网 Design By www.eoogi.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
华山资源网 Design By www.eoogi.com