tensorflow的模型保存於讀取
源自 https://www.cnblogs.com/denny402/p/6940134.html
在模型的保存部分有兩個重要的函數,
第一個 : saver = tf.train.Saver( )
我的理解是: 這行代碼大概就相當於實例化;
這個函數有一個很重要的參數,max_to_keep, 這個值決定了你要保存最後幾次的模型
可能這樣說很難讓人理解,其實就是這樣;
max_to_keep=1 我們保存最後那次修鍊的模型 ( 譬如說我們的 epoch = 10, 那麼就只會保存第十次訓練的模型)
max_to_keep=10 . 則這10次的模型就都會被保存下來,(然而個人感覺這並沒有什麼卵用)
現在我們有了一個實例化的object了,我們來用第二個函數
saver.save(sess,"ckpt/mnist.ckpt",global_step=step)
從名字就不難看出來,這行代碼的作用就是保存,
第一個參數sess自然就不必多說了, 第二個參數設定保存的路徑和名字(保存在ckpt文件夾下,名字為mnist. ckpt)
第三個參數嚴格意義上來說也是用來命名的,他們將訓練的次數作為後綴加入到你的文件名字中
譬如說我們的epoch = 10(我的意思是step = 10)
那麼我們執行上面的語句,你ckpt文件夾下的文件就會是這樣: mnist-10.ckpt
打開今日頭條,查看更多精彩圖片因為不是科班出身,我並沒有學過資料庫,所以對pointcheck的定義也很含糊,我爭取這周簡單的看一下這方面的知識然後在回來充分的理解一下。。。。。
在附上我看過的覺得挺好的一篇博客,和大家分享一下https://blog.csdn.net/Laurenitum0716/article/details/79326128
經過上面的兩步,我們的模型就保存完畢了,
如果我們想要恢復這個模型,則要用到是restore()函數
我們看到,這個restore一共3個參數,self, sess 自然不必說
第三個參數: save_path指的是保存的模型路徑。
我們可以使用tf.train.latest_checkpoint()來自動獲取最後一次保存的模型。
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
ps : open (w--覆蓋,a-- 不覆蓋)
※Solr12-SolrCloud部署中的常見問題及解決方法
※五種排序演算法python語言實現
TAG:程序員小新人學習 |