tensorflow实现训练变量checkpoint的保存与读取
1.保存变量
先创建（在tf.Session()之前）saver
saver=tf.train.Saver(tf.global_variables(),max_to_keep=1)#max_to_keep这个保证只保存最后一次training的训练数据
然后在训练的循环里面
checkpoint_path=os.path.join(Path,'model.ckpt')saver.save(session,checkpoint_path,global_step=step)#这里的step是循环训练的次数，也就是第几次迭代
以下保存的变量文件
2.变量读取
1.若要直接恢复所有变量可以
saver=tf.train.Saver(tf.global_variables())
moudke_file=tf.train.latest_checkpoint('PATH')
saver.restore(sess,moudke_file)
PATH是存放保存变量的路径，会自动找到最近保存的变量文件
2若想读取其中一部分变量值
defread_checkpoint():
w=[]
checkpoint_path='/home/ximao/models/resnet3/variable_logs/model.ckpt-17000'
reader=tf.train.NewCheckpointReader(checkpoint_path)
var=reader.get_variable_to_shape_map()
forkeyinvar:
if'weights'inkeyand'conv'inkeyand'Mo'notinkey:
print('tensorname:',key)
##print(reader.get_tensor(key))
3.若想恢复其中一部分变量值到新网络
(1)首先你要先获取你想要赋值新网络变量的变量名，这里变量名不是一个字符串，而是
然后把你要赋值的元素转为张量，最后把值赋给你得到变量名如下：
var=[vforvinweight_prunedifv.op.name=='WRN/conv1/weights'] conv1_temp=tf.convert_to_tensor(conv1,dtype=tf.float32) sess.run(tf.assign(var[0],conv1_temp))
weight_pruned存放的是你新网络中所有的变量
以上这篇tensorflow实现训练变量checkpoint的保存与读取就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。