Tensorflow加载预训练模型和保存模型的实例_tensorflow加载预训练模型 - CSDN文库

169 浏览量更新于2023-05-11 评论收藏 68KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

Tensorflow加载预训练模型和保存模型的实例加载预训练模型和保存模型的实例

今天小编就为大家分享一篇Tensorflow加载预训练模型和保存模型的实例，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

使用tensorflow过程中，训练结束后我们需要用到模型文件。有时候，我们可能也需要用到别人训练好的模型，并在这个基础

上再次训练。这时候我们需要掌握如何操作这些模型数据。看完本文，相信你一定会有收获！

1 Tensorflow模型文件模型文件

我们在checkpoint_dir目录下保存的文件结构如下：

|--checkpoint_dir

| |--checkpoint

| |--MyModel.meta

| |--MyModel.data-00000-of-00001

| |--MyModel.index

1.1 meta文件文件

MyModel.meta文件保存的是图结构，meta文件是pb（protocol buffer）格式文件，包含变量、op、集合等。

1.2 ckpt文件文件

ckpt文件是二进制文件，保存了所有的weights、biases、gradients等变量。在tensorflow 0.11之前，保存在.ckpt文件中。

0.11后，通过两个文件保存,如：

MyModel.data-00000-of-00001

MyModel.index

1.3 checkpoint文件文件

我们还可以看，checkpoint_dir目录下还有checkpoint文件，该文件是个文本文件，里面记录了保存的最新的checkpoint文件以

及其它checkpoint文件列表。在inference时，可以通过修改这个文件，指定使用哪个model

2 保存保存Tensorflow模型模型

tensorflow 提供了tf.train.Saver类来保存模型，值得注意的是，在tensorflow中，变量是存在于Session环境中，也就是说，只

有在Session环境下才会存有变量值，因此，保存模型时需要传入session：

saver = tf.train.Saver()

saver.save(sess,"./checkpoint_dir/MyModel")

看一个简单例子：

import tensorflow as tf

w1 = tf.Variable(tf.random_normal(shape=[2]), name='w1')

w2 = tf.Variable(tf.random_normal(shape=[5]), name='w2')

saver = tf.train.Saver()

sess = tf.Session()

sess.run(tf.global_variables_initializer())

saver.save(sess, './checkpoint_dir/MyModel')

执行后，在checkpoint_dir目录下创建模型文件如下：

checkpoint

MyModel.data-00000-of-00001

MyModel.index

MyModel.meta

另外，如果想要在1000次迭代后，再保存模型，只需设置global_step参数即可：

saver.save(sess, './checkpoint_dir/MyModel',global_step=1000)

保存的模型文件名称会在后面加-1000,如下：

checkpoint

MyModel-1000.data-00000-of-00001

MyModel-1000.index

MyModel-1000.meta

在实际训练中，我们可能会在每1000次迭代中保存一次模型数据，但是由于图是不变的，没必要每次都去保存，可以通过如

下方式指定不保存图：

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余3页未读，立即下载

评论0

weixin_38526780

粉丝: 4
资源: 994

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈