tensorflow开发基本步骤

Tensorflow开发的基本步骤：

• 定义Tensorflow输入节点

1. 通过占位符定义：

   X = tf.placeholder("float")

   2.通过字典类型定义：

inputdict = {
    'x': tf.placeholder("float"),
    'y': tf.placeholder("float")
}

　　3. 直接定义输入节点：

train_x = np.float32(np.linspace(-1,1,100))

• 定义“学习参数”的变量
• 定义“运算”
• 优化函数，优化目标
• 初始化所有变量
• 迭代更新参数到最优解
• 测试模型
• 使用模型

2、模型保存与载入

• 模型保存：

saver = tf.train.Saver()  #生成saver
saverdir = "log/"
with tf.Session() as sess:
    sess.run(init)
    print("Finished")
    saver.save(sess,saverdir+"linermodel.cpkt")

• 模型载入：

with tf.Session() as sess2:
    sess2.run(tf.global_variables_initializer())
    saver.restore(sess2,saverdir+"linermodel.cpkt")
    print("x=0.2,z=",sess2.run(z,feed_dict={X:0.2}))

检查点（Checkpoint）：Tensorflow训练模型时难免会出现中断的情况，希望能够将辛苦得到的中间参数保留下来，在训练中保存模型，习惯上称之为保存检查点。

 saver = tf.train.Saver(max_to_keep=1)  #生成saver
 saver.restore(sess2,saverdir+"linermodel.cpkt-"+str(load_epoch))