tensorflow模型保存、加载之变量重命名实例-创新互联
话不多说,干就完了。

变量重命名的用处?
简单定义:简单来说就是将模型A中的参数parameter_A赋给模型B中的parameter_B
使用场景:当需要使用已经训练好的模型参数,尤其是使用别人训练好的模型参数时,往往别人模型中的参数命名方式与自己当前的命名方式不同,所以在加载模型参数时需要对参数进行重命名,使得代码更简洁易懂。
实现方法:
1)、模型保存
import os
import tensorflow as tf
weights = tf.Variable(initial_value=tf.truncated_normal(shape=[1024, 2],
mean=0.0,
stddev=0.1),
dtype=tf.float32,
name="weights")
biases = tf.Variable(initial_value=tf.zeros(shape=[2]),
dtype=tf.float32,
name="biases")
weights_2 = tf.Variable(initial_value=weights.initialized_value(),
dtype=tf.float32,
name="weights_2")
# saver checkpoint
if os.path.exists("checkpoints") is False:
os.makedirs("checkpoints")
saver = tf.train.Saver()
with tf.Session() as sess:
init_op = [tf.global_variables_initializer()]
sess.run(init_op)
saver.save(sess=sess, save_path="checkpoints/variable.ckpt")
分享标题:tensorflow模型保存、加载之变量重命名实例-创新互联
URL分享:http://www.jxjierui.cn/article/ipdph.html


咨询
建站咨询
