tensorflow 的模型保存和调用
模型 调用 保存 Tensorflow
2023-09-14 09:15:50 时间
我们通常采用tensorflow来训练,训练完之后应当保存模型,即保存模型的记忆(权重和偏置),这样就可以来进行人脸识别或语音识别了。
1.模型的保存
# 声明两个变量
v1 = tf.Variable(tf.random_normal([1, 2]), name="v1")
v2 = tf.Variable(tf.random_normal([2, 3]), name="v2")
init_op = tf.global_variables_initializer() # 初始化全部变量
saver = tf.train.Saver() # 声明tf.train.Saver类用于保存模型
with tf.Session() as sess:
sess.run(init_op)
print("v1:", sess.run(v1)) # 打印v1、v2的值一会读取之后对比
print("v2:", sess.run(v2))
#定义保存路径,一定要是绝对路径,且用‘/ ’分隔父目录与子目录
saver_path = saver.save(sess, "C:/Users/Administrator/Desktop/tt/model.ckpt") # 将模型保存到save/model.ckpt文件
print("Model saved in file:", saver_path)
2.模型的读取
直接读取模型时,可能会报错,我是用Spyder编译的,可以把Spyder关掉,再重新打开,就可以读取数据了。原因可能是:在模型保存时将变量初始化了。
import tensorflow as tf
# 使用和保存模型代码中一样的方式来声明变量
v1 = tf.Variable(tf.random_normal([1, 2]), name="v1")
v2 = tf.Variable(tf.random_normal([2, 3]), name="v2")
saver = tf.train.Saver() # 声明tf.train.Saver类用于保存模型
with tf.Session() as sess:
saver.restore(sess, "C:/Users/Administrator/Desktop/tt/model.ckpt") # 即将固化到硬盘中的Session从保存路径再读取出来
print("v1:", sess.run(v1)) # 打印v1、v2的值和之前的进行对比
print("v2:", sess.run(v2))
print("Model Restored")
相关文章
- 数据服务的分布式模型
- 几种网络服务器模型的介绍与比较
- keras模块学习之Sequential模型学习笔记
- 浅析机器学习的主题模型和语义分析
- Opencv学习笔记 DNN模块调用Tensorflow的mobilenet对象检测模型
- Opencv学习笔记 - DNN模块调用Caffe的人脸识别模型
- 【PyTorch】教程:学习基础知识-(5) 构建模型
- CV之FR/Keras之CNN:基于Keras框架和cv2库(调用摄像头)利用卷积神经网络模型(2+1)算法实现实时人脸识别并标注姓名标签
- ML之分类预测之ElasticNet之PLoR:在二分类数据集上调用Glmnet库训练PLoR模型(T2)
- 万能模型可视化工具
- 这或许是最详细的机器学习模型融合大法汇总
- 【ML】高斯混合模型(GMM)
- Python实现ISSA融合反向学习与Levy飞行策略的改进麻雀优化算法优化支持向量机分类模型(SVC算法)项目实战
- 【项目实战】Python实现循环神经网络RNN-LSTM回归模型项目实战(股票价格预测)
- 【项目实战】Python实现深度神经网络gcForest(多粒度级联森林)分类模型(医学诊断)
- Kubernetes基础自学系列 | SVC模型讲解
- ChatGPT的API接口的模型有多少种?这些模型都有什么功能或者在应用场景上有什么区别?【模型介绍使用与调用接口方法】
- 使用Caffe C++ API调用生成模型进行分类
- Linux设备驱动模型三 kset
- Python 高级编程之IO模型与协程(四)
- Java Swing事件监听:事件处理模型和事件监听器