tensorflow的tf.train.Saver()

tensorflow相比于keras的保存要麻烦许多。

保存：

with tf.Session() as sess:
    saver = tf.train.Saver(max_to_keep=20)
    saver.save(sess, os.path.join(train_output_dir, "model"), global_step=step)

实际保存的是sess中的值，得到

读取：（个人感觉非常啰嗦）

with tf.Session() as sess:
    model = tf.train.import_meta_graph(trainResultPath)
    model.restore(sess, trainResultPath2)

trainResultPath：meta的文件的位置，例如：

trainResultPath = "F:/train_out/model-7999.meta"

trainResultPath：为三个文件的文件夹目录，例如：

trainResultPath2 = "F:/train_out/model-7999"

比较坑的是，一个是文件的地址，一个是文件夹的地址，而且没有例子，晕。

来源：CSDN

作者：星之所望

链接：https://blog.csdn.net/weixin_42769131/article/details/104268843

标签