Tensorflow1.x系列(7):TensorFlow持久化

本文主要是介绍Tensorflow1.x系列(7):TensorFlow持久化，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

引言

持久化，就是能够把当前模型以及模型的参数能够保持下来，用于下次使用。

1. 持久化代码实现-保存

TensorFlow提供 API，即tf.train.Saver()类

##持久化代码实现
import tensorflow as tfv1=
v2=
result=v1+v2init_op=global_variables_initializer()saver=tf.train.Saver()with tf.Session() as sess:sess.run(init_op)saver.save(sess,"path/.ckpt")

TensorFlow会自动保存一个.meta的文件，该文件保存结构；.ckpt文件只是保存参数。

2. 模型加载

##加载
saver=tf.train.import_meta_graph(".meta")with tf.Session as sess:saver.restore(sess,"/path/.ckpt")print(sess.run(tf.get_default_graph().get_tensor_by_name("add:0"))

2.2 变量重命名

	v1 = tf.Variable(tf.constant(1.0, shape=[1]), name = "other-v1")v2 = tf.Variable(tf.constant(2.0, shape=[1]), name = "other-v2")saver = tf.train.Saver({"v1": v1, "v2": v2})print(v1)

这篇关于Tensorflow1.x系列(7):TensorFlow持久化的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---