本篇内容主要讲解“TensorFLow怎么用Saver保存和恢复变量”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“TensorFLow怎么用Saver保存和恢复变量”吧!
创新互联专注于企业
成都营销网站建设、网站重做改版、九台网站定制设计、自适应品牌网站建设、
H5高端网站建设、
商城网站开发、集团公司官网建设、成都外贸网站建设、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为九台等各大城市提供网站开发制作服务。
建立文件tensor_save.py, 保存变量v1,v2的tensor到checkpoint files中，名称分别设置为v3,v4。
import tensorflow as tf
# Create some variables.
v1 = tf.Variable(3, name="v1")
v2 = tf.Variable(4, name="v2")
# Create model
y=tf.add(v1,v2)
# Add an op to initialize the variables.
init_op = tf.initialize_all_variables()
# Add ops to save and restore all the variables.
saver = tf.train.Saver({'v3':v1,'v4':v2})
# Later, launch the model, initialize the variables, do some work, save the
# variables to disk.
with tf.Session() as sess:
sess.run(init_op)
print("v1 = ", v1.eval())
print("v2 = ", v2.eval())
# Save the variables to disk.
save_path = saver.save(sess, "f:/tmp/model.ckpt")
print ("Model saved in file: ", save_path)建立文件tensor_restror.py, 将checkpoint files中名称分别为v3,v4的tensor分别恢复到变量v3,v4中。
import tensorflow as tf
# Create some variables.
v3 = tf.Variable(0, name="v3")
v4 = tf.Variable(0, name="v4")
# Create model
y=tf.mul(v3,v4)
# Add ops to save and restore all the variables.
saver = tf.train.Saver()
# Later, launch the model, use the saver to restore variables from disk, and
# do some work with the model.
with tf.Session() as sess:
# Restore variables from disk.
saver.restore(sess, "f:/tmp/model.ckpt")
print ("Model restored.")
print ("v3 = ", v3.eval())
print ("v4 = ", v4.eval())
print ("y = ",sess.run(y))到此，相信大家对“TensorFLow怎么用Saver保存和恢复变量”有了更深的了解，不妨来实际操作一番吧！这里是创新互联成都网站设计公司网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
名称栏目：TensorFLow怎么用Saver保存和恢复变量-创新互联
链接URL：
http://cdkjz.cn/article/doscjj.html
