如何對tensorflow的模型保存和調用

這篇文章給大家分享的是有關如何對tensorflow的模型保存和調用的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

我們通常采用tensorflow來訓練，訓練完之后應當保存模型,即保存模型的記憶（權重和偏置），這樣就可以來進行人臉識別或語音識別了。

1.模型的保存

# 聲明兩個變量
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() # 初始化全部變量
saver = tf.train.Saver() # 聲明tf.train.Saver類用于保存模型
with tf.Session() as sess:
 sess.run(init_op)
 print("v1:", sess.run(v1)) # 打印v1、v2的值一會讀取之后對比
 print("v2:", sess.run(v2))
  #定義保存路徑，一定要是絕對路徑，且用‘/ '分隔父目錄與子目錄
 saver_path = saver.save(sess, "C:/Users/Administrator/Desktop/tt/model.ckpt") # 將模型保存到save/model.ckpt文件
 print("Model saved in file:", saver_path)

2.模型的讀取

直接讀取模型時，可能會報錯，我是用Spyder編譯的，可以把Spyder關掉，再重新打開，就可以讀取數據了。原因可能是：在模型保存時將變量初始化了。

import tensorflow as tf

# 使用和保存模型代碼中一樣的方式來聲明變量
v1 = tf.Variable(tf.random_normal([1, 2]), name="v1")
v2 = tf.Variable(tf.random_normal([2, 3]), name="v2")
saver = tf.train.Saver() # 聲明tf.train.Saver類用于保存模型
with tf.Session() as sess:
 saver.restore(sess, "C:/Users/Administrator/Desktop/tt/model.ckpt") # 即將固化到硬盤中的Session從保存路徑再讀取出來
 print("v1:", sess.run(v1)) # 打印v1、v2的值和之前的進行對比
 print("v2:", sess.run(v2))
 print("Model Restored")

感謝各位的閱讀！關于“如何對tensorflow的模型保存和調用”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！