TensorFlow实现保存训练模型为pd文件并恢复
TensorFlow保存模型代码
importtensorflowastf
fromtensorflow.python.frameworkimportgraph_util
var1=tf.Variable(1.0,dtype=tf.float32,name='v1')
var2=tf.Variable(2.0,dtype=tf.float32,name='v2')
var3=tf.Variable(2.0,dtype=tf.float32,name='v3')
x=tf.placeholder(dtype=tf.float32,shape=None,name='x')
x2=tf.placeholder(dtype=tf.float32,shape=None,name='x2')
addop=tf.add(x,x2,name='add')
addop2=tf.add(var1,var2,name='add2')
addop3=tf.add(var3,var2,name='add3')
initop=tf.global_variables_initializer()
model_path='./Test/model.pb'
withtf.Session()assess:
sess.run(initop)
print(sess.run(addop,feed_dict={x:12,x2:23}))
output_graph_def=graph_util.convert_variables_to_constants(sess,sess.graph_def,['add','add2','add3'])
#将计算图写入到模型文件中
model_f=tf.gfile.FastGFile(model_path,mode="wb")
model_f.write(output_graph_def.SerializeToString())
读取模型代码
importtensorflowastf
withtf.Session()assess:
model_f=tf.gfile.FastGFile("./Test/model.pb",mode='rb')
graph_def=tf.GraphDef()
graph_def.ParseFromString(model_f.read())
c=tf.import_graph_def(graph_def,return_elements=["add2:0"])
c2=tf.import_graph_def(graph_def,return_elements=["add3:0"])
x,x2,c3=tf.import_graph_def(graph_def,return_elements=["x:0","x2:0","add:0"])
print(sess.run(c))
print(sess.run(c2))
print(sess.run(c3,feed_dict={x:23,x2:2}))
以上这篇TensorFlow实现保存训练模型为pd文件并恢复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。