今天小编就为大家分享一篇对tensorflow 的模型保存和调用实例讲解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
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<i style="color:transparent">来源gaodai$ma#com搞$代*码*网</i>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gaodaima搞代码网。
以上就是对tensorflow 的模型保存和调用实例讲解的详细内容，更多请关注gaodaima搞代码网其它相关文章！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：对tensorflow 的模型保存和调用实例讲解
转载请注明原文链接：对tensorflow 的模型保存和调用实例讲解
