『TensorFlow』第七弹_保存&载入会话_霸王回马

首更：

由于TensorFlow的奇怪形式，所以载入保存的是sess，把会话中当前激活的变量保存下来，所以必须保证（其他网络也要求这个）保存网络和载入网络的结构一致，且变量名称必须一致，这是caffe...好吧，caffe也没有这种python风格的设定...

废话少说，导入包：

 import numpy as np
 import tensorflow as tf

保存会话：

 W = tf.Variable([[1,2,3],[4,5,6]],dtype=tf.float32)
 b = tf.Variable([[1,2,3]],dtype=tf.float32)

 init = tf.global_variables_initializer()
 saver = tf.train.Saver() # <---------

 with tf.Session() as sess:
     sess.run(init)
     save_path = saver.save(sess,'./my_net/saver_net.ckpt') # <---------

载入会话：

 W = tf.Variable(np.arange(6).reshape((2,3)),dtype=tf.float32)
 b = tf.Variable(np.arange(3).reshape((1,3)),dtype=tf.float32)

 saver = tf.train.Saver()

 with tf.Session() as sess:
     saver.restore(sess,'./my_net/saver_net.ckpt') # <---------
     print('Weight:\n',sess.run(W))
     print('biases:\n',sess.run(b))

输出如下：

Weight:
 [[ 1.  2.  3.]
 [ 4.  5.  6.]]
biases:
 [[ 1.  2.  3.]]

载入会话会加载之前保存的变量，所以不需要tf.global_variables_initializer()激活本次变量了。

再更：

引入节点名称后，只要tf变量节点的名称一致，python变量名不一致也能完美继承，也就是说tf变量节点的名称识别权限大于python变量名

详细的命名规则下节有介绍：『TensorFlow』第八弹_变量与命名空间_固有结界

保存模型：

 W = tf.Variable([[1,2,3],[4,5,6]],dtype=tf.float32,name='W') # <------
 b = tf.Variable([[1,2,3]],dtype=tf.float32,name='b')         # <------

 init = tf.global_variables_initializer()
 saver = tf.train.Saver()

 with tf.Session() as sess:
     sess.run(init)
     save_path = saver.save(sess,'./my_net/saver_net.ckpt')

W--’W‘，b--’b‘

载入模型：

 W = tf.Variable(np.arange(6).reshape((2,3)),dtype=tf.float32') # <------
 b = tf.Variable(np.arange(3).reshape((1,3)),dtype=tf.float32') # <------

 saver = tf.train.Saver()

 with tf.Session() as sess:
     saver.restore(sess,'./my_net/saver_net.ckpt')
     print('Weight:\n',sess.run(W))
     print('biases:\n',sess.run(b))

W，b

结果报错

载入模型：

 W = tf.Variable(np.arange(6).reshape((2,3)),dtype=tf.float32,name='W') # <------
 a = tf.Variable(np.arange(3).reshape((1,3)),dtype=tf.float32,name='b') # <------

 saver = tf.train.Saver()

 with tf.Session() as sess:
     saver.restore(sess,'./my_net/saver_net.ckpt')
     print('Weight:\n',sess.run(W))
     print('biases:\n',sess.run(a))

W-’W‘，a--’b'

 INFO:tensorflow:Restoring parameters from ./my_net/saver_net.ckpt
 Weight:
  [[ 1.  2.  3.]
  [ 4.  5.  6.]]
 biases:
  [[ 1.  2.  3.]]