? ? ? ? ?我們知道了如何保存我們的模型接下來，我們就要想辦法加載模型，調用模型，這也是我們用來做驗證也好、做應用也好必須要做的。當然這里我們只考慮應用和驗證，且只涉及模型部分，數據預處理，大家要自己加油啦。下一篇文章將為大家講解如何加載別人的預訓練模型進行微調（fintuning）。

上代碼：

import tensorflow as tfsess = tf.Session()model_dir = 'xxx/xxx'#圖模型路徑 meta_path = os.path.join(model_dir,'xxxx.meta')#導入圖結構，加載.meta文件 saver = tf.train.import_meta_graph(meta_path)#恢復變量值，加載.ckpt文件 saver.restore(sess,tf.train.latest_checkpoint(model_dir)) #注意，這里我用的是tf.train.latest_checkpoint()函數，其作用是，返回最近一次保存的.ckpt數據文件，大家使用時完全可以手動賦值。#獲得默認圖，即加載進來的圖 graph = tf.get_default_graph()#填充feed_dict x = graph.get_tensor_by_name('input_images:0')#這里的input_images要替換成你的占位符 y = graph.get_tensor_by_name('input_labels:0')#這里的input_labels要替換成你的占位符 feed_dict={x:input_image,y:labels}#通過圖結構的名稱來加載某結構的輸出 conv1 = graph.get_tensor_by_name('conv1:0')#返回值是tensorsess.run(conv1，feed_dict) #返回值為ndarry

注意：我們在使用get_tensor_by_name時，參數必須是：'層的名字：0',必須加“：0”。否則會報錯：

ValueError: The name 'conv1' refers to an Operation, not a Tensor.?

這是因為，conv1代表的是操作的名字，加上：0指代tensorname

?

完整項目有助于大家加深理解，鏈接：https://github.com/chenlinzhong/gender-recognition
?

?

總結

以上是生活随笔為你收集整理的Tensorflow载入模型详解，方法一（基础版）：针对测试模型性能 和 使用模型。的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。