TensorFlow中怎么利用saver保存和提取參數

本篇文章給大家分享的是有關TensorFlow中怎么利用saver保存和提取參數，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

在訓練循環中，定期調用 saver.save() 方法，向文件夾中寫入包含了當前模型中所有可訓練變量的 checkpoint 文件。

saver.save(sess, FLAGS.train_dir, global_step=step)

global_step是訓練的第幾步

保存參數：

import tensorflow as tf
 
W = tf.Variable([[1, 2, 3]], dtype=tf.float32)
b = tf.Variable([[1]], dtype=tf.float32)
 
saver = tf.train.Saver()
 
sess = tf.InteractiveSession()
tf.global_variables_initializer().run()
# 必須要指定文件夾，保存到ckpt文件
save_path = saver.save(sess, "winycg/1.ckpt")
print(save_path)

一次 saver.save() 后可以在文件夾中看到新增的四個文件，實際上每調用一次保存操作會創建后3個數據文件并創建一個檢查點（checkpoint）文件，簡單理解就是權重等參數被保存到 .chkp.data 文件中，以字典的形式；圖和元數據被保存到 .chkp.meta 文件中，可以被 tf.train.import_meta_graph 加載到當前默認的圖。

讀取參數：

import tensorflow as tf
import numpy as np
 
W = tf.Variable(np.arange(3).reshape(1, 3), dtype=tf.float32)
b = tf.Variable(np.arange(1).reshape(1, 1), dtype=tf.float32)
 
saver = tf.train.Saver()
 
sess = tf.InteractiveSession()
# 讀取參數時不需要global_variables_initializer()
save_path = saver.restore(sess, "parameter/1.ckpt")
print("weights:", sess.run(W))
print("bias:", sess.run(b))

weights: [[ 1. 2. 3.]]

bias: [[ 1.]]

以上就是TensorFlow中怎么利用saver保存和提取參數，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。