save_model 和load_model两个函数要分开执行,第一次注释掉load,只save,第二次load的时候注释掉save。因为声明模型的时候都是用默认图,变量命名会依次是0,1,load的时候名字对应不上。
保存好的pb模型路径文件李核岁格式为
还有一种保存pb模型的方法,保存的东西只有model.pb没有variables。
如果需要发布模型成服务,请看: https://www.jianshu.com/p/5b74f1bc0178
TensorFlow(一)InceptionResnetV1参数结构TensorFlow(一)模型InceptionResnetV1参数结构和参数值展示
[1] 【python】读取和输出到txt
[2] 如何从已存在的检查点文件(cpkt文友孝件)种解析出里面变量——无需重新创建原始计算图
[3] Tensorflow 模型文件结做告如构、模型中Tensor查看
[4] 查看TensorFlow checkpoint文件中的变量名和对应值
[5] 输出TensorFlow中checkpoint内变量的几种方纯启法
调用时,代码如下:
y即为输出的结果。
github传送门:SymphonyPy/Valified_Code_Classify
一个识别非常简单闹轿的验证码的程序
保存训练好的模型的代码如下:扮弯培
训练完一个模型后,为了以后重复使用,通常我们需要对模型的结果进行保存。如果用Tensorflow去实现神经网络,所要保存的就是神经网络中的各项权重厅唯值。建议可以使用Saver类保存和加载模型的结果。
1、使用tf.train.Saver.save()方法保存模型
tf.train.Saver.save(sess, save_path, global_step=None, latest_filename=None, meta_graph_suffix='meta', write_meta_graph=True, write_state=True)
sess: 用于保存变量 *** 作的会话。
save_path: String类型,用于指定训练结果的保存路径。
global_step: 如果提供的话,这个数字会添加到save_path后面,用于构建checkpoint文件。这个参数有助于我们区分不同训练阶段的结果。
2、使用tf.train.Saver.restore方法价值模型
tf.train.Saver.restore(sess, save_path)
sess: 用于加载变量 *** 作的会话。
save_path: 同保存模型是用到的的save_path参数。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)