TensorFlow saver指定變量的存取

更新時間：2018年03月10日 11:56:56 作者：main_h_

這篇文章主要為大家詳細介紹了TensorFlow saver指定變量的存取，具有一定的參考價值，感興趣的小伙伴們可以參考一下

今天和大家分享一下用TensorFlow的saver存取訓(xùn)練好的模型那點事。

1. 用saver存取變量；
2. 用saver存取指定變量。

用saver存取變量。

話不多說，先上代碼

# coding=utf-8
import os        
import tensorflow as tf
import numpy
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #有些指令集沒有裝，加這個不顯示那些警告
w = tf.Variable([[1,2,3],[2,3,4],[6,7,8]],dtype=tf.float32)
b = tf.Variable([[4,5,6]],dtype=tf.float32,)
s = tf.Variable([[2, 5],[5, 6]], dtype=tf.float32)
init = tf.global_variables_initializer()
saver =tf.train.Saver()
with tf.Session() as sess:
 sess.run(init)
 save_path = saver.save(sess, "save_net.ckpt")#路徑可以自己定
 print("save to path:",save_path)

這里我隨便定義了幾個變量然后進行存操作，運行后，變量w，b，s會被保存下來。保存會生成如下幾個文件：

cheakpoint
save_net.ckpt.data-*
save_net.ckpt.index
save_net.ckpt.meta

接下來是讀取的代碼

import tensorflow as tf
import os
import numpy as np
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

w = tf.Variable(np.arange(9).reshape((3,3)),dtype=tf.float32)
b = tf.Variable(np.arange(3).reshape((1,3)),dtype=tf.float32)
a = tf.Variable(np.arange(4).reshape((2,2)),dtype=tf.float32)
saver =tf.train.Saver()
with tf.Session() as sess:

 saver.restore(sess,'save_net.ckpt')
 print ("weights",sess.run(w))
 print ("b",sess.run(b))
 print ("s",sess.run(a))

在寫讀取代碼時要注意變量定義的類型、大小和變量的數(shù)量以及順序等要與存的時候一致，不然會報錯。你存的時候順序是w，b，s，取的時候同樣這個順序。存的時候w定義了dtype沒有定義name，取的時候同樣要這樣，因為TensorFlow存取是按照鍵值對來存取的，所以必須一致。這里變量名，也就是w，s之類可以不同。

如下是我成功讀取的效果

用saver存取指定變量。

在我們做訓(xùn)練時候，有些變量是沒有必要保存的，但是如果直接用tf.train.Saver()。程序會將所有的變量保存下來，這時候我們可以指定保存，只保存我們需要的變量，其他的統(tǒng)統(tǒng)丟掉。
其實很簡單，只需要在上面代碼基礎(chǔ)上稍加修改，只需把tf.train.Saver()替換成如下代碼

program = []
program += [w,b]
tf.train.Saver(program)

這樣，程序就只會存w和b了。同樣，讀取程序里面的tf.train.Saver()也要做如上修改。dtype,name之類依舊必須一致。

最后附上最終代碼：

# coding=utf-8
# saver保存變量測試
import os        
import tensorflow as tf
import numpy
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #有些指令集沒有裝，加這個不顯示那些警告
w = tf.Variable([[1,2,3],[2,3,4],[6,7,8]],dtype=tf.float32)
b = tf.Variable([[4,5,6]],dtype=tf.float32,)
s = tf.Variable([[2, 5],[5, 6]], dtype=tf.float32)
init = tf.global_variables_initializer()
program = []
program += [w, b]
saver =tf.train.Saver(program)
with tf.Session() as sess:
 sess.run(init)
 save_path = saver.save(sess, "save_net.ckpt")#路徑可以自己定
 print("save to path:",save_path)

#saver提取變量測試
import tensorflow as tf
import os
import numpy as np
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

w = tf.Variable(np.arange(9).reshape((3,3)),dtype=tf.float32)
b = tf.Variable(np.arange(3).reshape((1,3)),dtype=tf.float32)
a = tf.Variable(np.arange(4).reshape((2,2)),dtype=tf.float32)
program = []
program +=[w,b]
saver =tf.train.Saver(program)
with tf.Session() as sess:

 saver.restore(sess,'save_net.ckpt')
 print ("weights",sess.run(w))
 print ("b",sess.run(b))
 #print ("s",sess.run(a))

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: