TensorFlow实现保存训练模型为pd文件并恢复
2020-02-13 11:31
1326 查看
TensorFlow保存模型代码
import tensorflow as tf from tensorflow.python.framework import graph_util var1 = tf.Variable(1.0, dtype=tf.float32, name='v1') var2 = tf.Variable(2.0, dtype=tf.float32, name='v2') var3 = tf.Variable(2.0, dtype=tf.float32, name='v3') x = tf.placeholder(dtype=tf.float32, shape=None, name='x') x2 = tf.placeholder(dtype=tf.float32, shape=None, name='x2') addop = tf.add(x, x2, name='add') addop2 = tf.add(var1, var2, name='add2') addop3 = tf.add(var3, var2, name='add3') initop = tf.global_variables_initializer() model_path = './Test/model.pb' with tf.Session() as sess: sess.run(initop) print(sess.run(addop, feed_dict={x: 12, x2: 23})) output_graph_def = graph_util.convert_variables_to_constants(sess, sess.graph_def, ['add', 'add2', 'add3']) # 将计算图写入到模型文件中 model_f = tf.gfile.FastGFile(model_path, mode="wb") model_f.write(output_graph_def.SerializeToString())
读取模型代码
import tensorflow as tf with tf.Session() as sess: model_f = tf.gfile.FastGFile("./Test/model.pb", mode='rb') graph_def = tf.GraphDef() graph_def.ParseFromString(model_f.read()) c = tf.import_graph_def(graph_def, return_elements=["add2:0"]) c2 = tf.import_graph_def(graph_def, return_elements=["add3:0"]) x, x2, c3 = tf.import_graph_def(graph_def, return_elements=["x:0", "x2:0", "add:0"]) print(sess.run(c)) print(sess.run(c2)) print(sess.run(c3, feed_dict={x: 23, x2: 2}))
以上这篇TensorFlow实现保存训练模型为pd文件并恢复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
您可能感兴趣的文章:
相关文章推荐
- Tensorflow保存模型,恢复模型,使用训练好的模型进行预测和提取中间输出(特征)【转】
- Tensorflow学习笔记:模型训练数据的保存和恢复的简单实例
- Tensorflow:TF模型文件(checkpoint文件夹下ckpt文件之data、index、meta)保存、模型导入、恢复并fine-tuning之详细攻略
- TensorFlow实现人脸识别(4)--------对人脸样本进行训练,保存人脸识别模型
- TensorFlow自实现线性回归训练(模板)-带模型保存与加载以及tensorborad的使用的
- Tensorflow保存模型,恢复模型,使用训练好的模型进行预测和提取中间输出(特征)
- TensorFlow 训练好模型参数的保存和恢复代码
- tensorflow训练自己的数据集实现CNN图像分类2(保存模型&测试单张图片)
- tensorflow 保存训练模型ckpt 查看ckpt文件中的变量名和对应值
- TensorFlow使用C++加载使用训练好的模型,.cc文件代码实现的相关类及方法总结
- Tensorflow1.5 模型训练结果的保存与恢复
- tensorflow保存模型和恢复模型的方法
- 几种保存训练模型文件类型
- tensorflow: 保存和加载模型, 参数;以及使用预训练参数方法
- tensorflow笔记:模型的保存与训练过程可视化
- 简单完整地讲解tensorflow模型的保存和恢复
- 一个快速完整的教程,以保存和恢复Tensorflow模型。
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- Keras中实现mnist神经网络训练与模型保存(采用LeNet-5模型)
- tensorflow预训练简单模型及权重文件复用初始化复杂模型