Tensorflow：保存和恢復模型參數

我是TensorFlow的初學者，目前正在培訓CNN。Tensorflow：保存和恢復模型參數

我爲了節省模型使用的參數，使用節電器，但我有擔憂這是否會本身存儲在模型中使用的所有變量，以及足以將值恢復爲重新運行在訓練的網絡上執行分類/測試的程序。

讓我們看一下TensorFlow給出的着名示例MNIST。

在這個例子中，我們有一堆卷積塊，所有塊都有權重，並且偏置變量在程序運行時被初始化。

W_conv1 = init_weight([5,5,1,32]) 
b_conv1 = init_bias([32])

處理好幾個圖層後，我們創建一個會話，並初始化添加到圖形中的所有變量。

sess = tf.Session() 
sess.run(tf.initialize_all_variables()) 
saver = tf.train.Saver()

這裏，是否有可能作出評論saver.save代碼，並通過培訓後saver.restore（SESS，FILE_PATH）取代它，以恢復體重，偏見等，後面的參數到圖表？這是應該如何？

for i in range(1000): 
... 

    if i%500 == 0: 
    saver.save(sess,"model%d.cpkt"%(i))

我目前的訓練大數據集，因此終止，並重新啓動培訓是浪費時間和資源，所以我要求有人請澄清之前，我開始訓練。

來源

2016-04-22 VM_AI

這是有點不清楚你在問什麼。「評論saver.save代碼，並用saver.restore（sess，file_path）替換它」你不想存儲你的訓練值並且重新設置以前的訓練（通過恢復）？「如此終止，重新開始培訓是一種浪費」。這意味着當您完成所有培訓後，您想要保存一次模型？ –

@Sung Kim：你的後一個問題的答案是肯定的。我不打算用存儲的值重新開始訓練，而是在完成訓練後簡單地將模型保存一次。因爲在Matlab中，這非常簡單，事實上，這是我第一次編程Python和TensorFlow，所以我不知道是否有其他優雅的方式來保存參數。 –

如果你想保存最後的結果只有一次，你可以這樣做：

with tf.Session() as sess: 
    for i in range(1000): 
    ... 


    path = saver.save(sess, "model.ckpt") # out of the loop 
    print "Saved:", path

在其他程序中，可以使用從saver.save返回預測什麼的路徑加載模型。你可以在https://github.com/sugyan/tensorflow-mnist看到一些例子。

來源

2016-04-24 13:50:50

根據here和Sung Kim解決方案的說明，我寫了一個非常簡單的模型來準確解決這個問題。基本上這樣你需要從同一個類創建一個對象，並從保存器中恢復它的變量。你可以找到這個解決方案的例子here。

來源

2016-06-17 17:41:30 Phoenix666

Tensorflow：保存和恢復模型參數

回答

相關問題