网络编程
位置:首页>> 网络编程>> Python编程>> tensorflow实现训练变量checkpoint的保存与读取

tensorflow实现训练变量checkpoint的保存与读取

作者:imumu_xi  发布时间:2023-12-15 18:10:33 

标签:tensorflow,checkpoint,保存,读取

1.保存变量

先创建(在tf.Session()之前)saver


saver = tf.train.Saver(tf.global_variables(),max_to_keep=1)  #max_to_keep这个保证只保存最后一次training的训练数据

然后在训练的循环里面

checkpoint_path = os.path.join(Path, 'model.ckpt') saver.save(session, checkpoint_path, global_step=step) #这里的step是循环训练的次数,也就是第几次迭代

以下保存的变量文件

tensorflow实现训练变量checkpoint的保存与读取

2.变量读取

1.若要直接恢复所有变量可以


saver = tf.train.Saver(tf.global_variables())
moudke_file=tf.train.latest_checkpoint('PATH')
saver.restore(sess,moudke_file)

PATH是存放保存变量的路径,会自动找到最近保存的变量文件

2 若想读取其中一部分变量值


def read_checkpoint():
 w = []
 checkpoint_path = '/home/ximao/models/resnet3/variable_logs/model.ckpt-17000'
 reader = tf.train.NewCheckpointReader(checkpoint_path)
 var = reader.get_variable_to_shape_map()
 for key in var:
   if 'weights' in key and 'conv' in key and 'Mo' not in key:
     print('tensorname:', key)
 #   # print(reader.get_tensor(key))

3. 若想恢复其中一部分变量值到新网络

(1)首先你要先获取你想要赋值新网络变量的变量名,这里变量名不是一个字符串,而是<name,shape,dtype>这样的一个结构,

然后把你要赋值的元素转为张量,最后把值赋给你得到变量名 如下:


var=[v for v in weight_pruned if v.op.name=='WRN/conv1/weights']
conv1_temp=tf.convert_to_tensor(conv1,dtype=tf.float32)
sess.run(tf.assign(var[0],conv1_temp))

weight_pruned 存放的是你新网络中所有的变量

来源:https://blog.csdn.net/sinat_30372583/article/details/79763044

0
投稿

猜你喜欢

手机版 网络编程 asp之家 www.aspxhome.com