在TensorFlow中重新使用模型需要保存什麼

我已經開始探索TensorFlow庫並嘗試使用MNIST數據的圖像分類example。我希望模型在訓練階段結束後存儲在文件中，以便在需要時可以使用它。我已經檢查了this link，它告訴我們如何將TensorFlow的值保存到任何文件中並讀取。到目前爲止，我可以使用pickle將腳本中的一些變量保存到文件中，如鏈接所示。但是，我無法掌握需要保存在文件中以存儲模型的當前狀態以備後用。請有人可以用存儲模型和加載該模型的示例來解釋該部分。在TensorFlow中重新使用模型需要保存什麼

來源

2017-02-21 Abhishek Soni

要保存和恢復Tensorflow中的變量，需要以下內容。

1）的變量A列表被保存和恢復 2）tf.train.Saver

通常，1）通過

# To save and restore whole tf variables 
all_vars = tf.global_variables()

，或者

# To save and restore the specific tf variables using scope 
all_vars = tf.global_variables() 
model_vars = [k for k in all_vars if k.name.startswith("xxx")] 
# "xxx" is the expected scope

實現然後，2）通過

saver = tf.train.Saver(vars_list) 
# vars_list is list of variables from above

最後，保存變量，（與tf.Session（）與名爲 'SESS' 運行）

saver.save(sess, '/directory/to/chechpoint/file.ckpt')

，並恢復他們，

saver.restore(sess, '/directory/to/chechpoint/file.ckpt')

來源

2017-02-21 07:26:22 MikiBear

首先，你應該看看這個other question。

TensorFlow有一些方法可用於管理保存和恢復檢查點，特別是tf.train.saver類。查看官方文檔here。檢查點基本上將張量的值（等等）存儲在磁盤中。

引用的文檔：

檢查點是在專用格式的二進制文件，其映射變量名張量的值。檢查檢查點內容的最好方法是使用Saver加載它。

來源

2017-02-21 07:20:53 jabalazs

只有Variables可以保存和恢復。當您需要重新使用保存的變量時，您需要先創建神經網絡並設置神經網絡的參數，例如圖層編號，學習速率和丟失等，然後再創建圖形。從檢查點恢復的唯一值是在訓練中定義的變量處理。你可以看看任何例子，例如this one。

綜上所述，只有變量可以並且需要保存和恢復，神經網絡配置和placeholders不能。

來源

2017-02-22 03:02:45 lerner

在TensorFlow中重新使用模型需要保存什麼

回答

相關問題