Tensorflow学习: 保存变量和网络
2017-05-03 17:09
316 查看
本文内容:
1. 保存网络
2. 在保存网络的路径下保存变量
1. 保存网络
2. 在保存网络的路径下保存变量
import tensorflow as tf import numpy as np # ## Save to file # remerber 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.global_variables_initializer() # #saver = tf.train.Saver() # #with tf.Session() as sess: # sess.run(init) # save_path = saver.save(sess, "logs/save_net.ckpt") # print("Save to path: ", save_path) ## # restore variables # redefine the same shape and same type for your variables 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') saver = tf.train.Saver() with tf.Session() as sess: saver.restore(sess, "logs/save_net.ckpt") print("Weights: ", sess.run(W)) print("baises: ", sess.run(b))
相关文章推荐
- TensorFlow学习笔记--网络模型的保存和读取
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- 学习TensorFlow,保存学习到的网络结构参数并调用
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- tensorflow 学习笔记10 网络模型的保存与提取
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- Tensorflow语法学习笔记(一):变量:创建、初始化、保存和加载
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载