保存：使用saver.save()方法保存

載入：使用saver.restore()方法載入

下面是個完整例子：

保存：

import tensorflow as tfW = tf.Variable([[1, 1, 1], [2, 2, 2]], dtype=tf.float32, name='w') b = tf.Variable([[0, 1, 2]], dtype=tf.float32, name='b')saver = tf.train.Saver() with tf.Session() as sess:sess.run(tf.global_variables_initializer())save_path = saver.save(sess, r"D:\test\wb") # 將W、b保存到指定位置

載入：?

import tensorflow as tfW = tf.Variable(tf.truncated_normal(shape=(2, 3)), dtype=tf.float32, name='w') b = tf.Variable(tf.truncated_normal(shape=(1, 3)), dtype=tf.float32, name='b')saver = tf.train.Saver() with tf.Session() as sess:saver.restore(sess, r"D:\test\wb") # 從指定位置加載模型print(sess.run(W))print(sess.run(b)) """ 輸出： [[1. 1. 1.][2. 2. 2.]][[0. 1. 2.]] """

就算W和b定義了不同于模型的值，但是仍會輸出載入模型的值，如：

import tensorflow as tfW = tf.Variable([[0,0,0],[0,0,0]],dtype = tf.float32,name='w') b = tf.Variable([[0,0,0]],dtype = tf.float32,name='b')saver = tf.train.Saver() with tf.Session() as sess:saver.restore(sess, r"D:\test\wb")print(sess.run(W))print(sess.run(b)) """ 輸出： [[1. 1. 1.][2. 2. 2.]][[0. 1. 2.]] """

這種方法不方便的在于，在使用模型的時候，必須把模型的結構重新定義一遍，然后載入對應名字的變量的值。

總結

以上是生活随笔為你收集整理的TensorFlow保存和载入训练模型的全部內容，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。