Tensorflow中变量保存与恢复

1、Tensorflow 中变量保存与恢复SaverTensorflow 中，用 tensorflow.train.Saver 来保存、恢复变量。 保存变量tf.train.Saver.save(sess, save_path, global_step=None, latest_filename=None, meta_graph_suffix=meta, write_meta_graph=True, write_state=True)11 #例子import tensorflow as tf# 创建两个变量v1= tf.Variable(tf.random_normal(784, 200, std

2、dev=0.35), name=v1)v2= tf.Variable(tf.zeros(200), name=v2)# 添加用于初始化变量的节点init_op = tf.global_variables_initializer()# Create a saver.saver = tf.train.Saver(tf.global_variables() # 运行，保存变量sess = tf.Session() saver.save(sess,my-model)12345678910111213141512345678 9101112131415Saver 可以使用提供的计数器自动为 checkp

3、oint 文件编号。这 使得在训练模型时在不同的步骤保留多个检查点。在 save() 方法中传递可选的 global_step 参数，可以对 checkpoint 文件 进行编号saver.save(sess, my-model, global_step=0) = filename: my-model-0saver.save(sess, my-model, global_step=1000) = filename: my-model-100012341234 #例子import tensorflow as tf# 创建两个变量v1= tf.Variable(tf.random_normal(7

4、84, 200, stddev=0.35), name=v1)v2= tf.Variable(tf.zeros(200), name=v2) # 添加用于初始化变量的节点 init_op = tf.global_variables_initializer() # Create a saver.saver = tf.train.Saver(tf.global_variables() # 运行图，打开会话，每 1000 次保存一个模型sess = tf.Session()for step in range(10000):sess.run(init_op)if step % 1000 = 0:sav

5、er.save(sess, base_path+my-model, global_step=step)1234567891011121314151617181234567891 01112131415161718运行结果： 恢复变量tf.train.Saver.restore(sess, save_path)11 #例子sess.run(tf.global_variables_initializer()saver = tf.train.Saver(tf.global_variables()#arg:获取最近一次保存的变量文件名称module_file = tf.train.latest_checkpoint(my-model) print(module_file)sav