TensorFlow saver指定變數的存取，tensorflowsaver

TensorFlow saver指定變數的存取，tensorflowsaver

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

1. 用saver存取變數；
2. 用saver存取指定變數。

用saver存取變數。

話不多說，先上代碼

# coding=utf-8import os        import tensorflow as tfimport numpyos.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)

這裡我隨便定義了幾個變數然後進行存操作，運行後，變數w，b，s會被儲存下來。儲存會產生如下幾個檔案：

• 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 tfimport osimport numpy as npos.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數定義的類型、大小和變數的數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存取是按照索引值對來存取的，所以必須一致。這裡變數名，也就是w，s之類可以不同。

如下是我成功讀取的效果

用saver存取指定變數。

在我們做訓練時候，有些變數是沒有必要儲存的，但是如果直接用tf.train.Saver()。程式會將所有的變數儲存下來，這時候我們可以指定儲存，只儲存我們需要的變數，其他的統統丟掉。
其實很簡單，只需要在上面代碼基礎上稍加修改，只需把tf.train.Saver()替換成如下代碼

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

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

最後附上最終代碼：

# coding=utf-8# saver儲存變數測試import os        import tensorflow as tfimport numpyos.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提取變數測試import tensorflow as tfimport osimport numpy as npos.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容，希望對大家的學習有所協助，也希望大家多多支援幫客之家。