tensorflow 之模型的保存与加载(一)

怎样让通过训练的神经网络模型得以复用?

本文先介绍简单的模型保存与加载的方法，后续文章再慢慢深入解读.

 #!/usr/bin/env python3
 #-*- coding:utf-8 -*-
 ############################
 #File Name: saver.py
 #Brief:
 #Author: frank
 #Mail: frank0903@aliyun.com
 #Created Time:2018-06-22 22:12:52
 ############################

 """
 checkpoint                  #保存所有的模型文件列表
 my_test_model.ckpt.data-00000-of-00001
 my_test_model.ckpt.index
 my_test_model.ckpt.meta     #保存计算图的结构信息,即神经网络的结构
 """

 import tensorflow as tf

 #声明两个变量并计算它们的和
 v1 = tf.Variable(tf.constant(1.0, shape=[1]), name="v1")
 v2 = tf.Variable(tf.constant(2.0, shape=[1]), name="v2")
 result = v1 + v2

 init_op = tf.global_variables_initializer()

 #声明tf.train.Saver类用于保存模型
 saver = tf.train.Saver()

 with tf.Session() as sess:
     sess.run(init_op)
     #将模型保存到指定路径
     saver.save(sess,"my_test_model.ckpt")

模型的加载方法：

#!/usr/bin/env python3
#-*- coding:utf-8 -*-
############################
#File Name: restore.py
#Brief:
#Author: frank
#Mail: frank0903@aliyun.com
#Created Time:2018-06-22 22:34:16
############################                             

import tensorflow as tf                                  

v1 = tf.Variable(tf.constant(1.0, shape=[1]), name="v1")
v2 = tf.Variable(tf.constant(2.0, shape=[1]), name="v2")
print(v1)
result = v1 + v2
print(result)                                            

saver = tf.train.Saver()                                 

with tf.Session() as sess:
    saver.restore(sess, "my_test_model.ckpt")
    print(sess.run(result))                              

#运行结果:
#<tf.Variable 'v1:0' shape=(1,) dtype=float32_ref>
#Tensor("add:0", shape=(1,), dtype=float32)
#[3.]                                                    

上面的过程中还是定义了 图的结构，有点重复了，那么可不可以直接从已保存的ckpt中加载图呢?

import tensorflow as tf                                                

saver = tf.train.import_meta_graph("my_test_model.ckpt.meta")          

with tf.Session() as sess:
    saver.restore(sess, "my_test_model.ckpt")
    print(sess.run(tf.get_default_graph().get_tensor_by_name("add:0")))

上面的程序，默认保存和加载了计算图中的全部变量,但有时可能只需要保存或加载部分变量。因为并不是所有隐藏层的参数需要重新训练。

具体怎么做呢?且听下回分解