Comment puis-je enregistrer et restaurer des modèles TensorFlow entraînés ?

Enregistrement et restauration des modèles TensorFlow entraînés

TensorFlow offre des fonctionnalités transparentes pour enregistrer et restaurer des modèles TensorFlow entraînés, vous permettant de conserver et de réutiliser vos modèles dans divers scénarios.

Sauvegarder le Modèle

Pour enregistrer un modèle entraîné dans TensorFlow, vous pouvez utiliser la classe tf.train.Saver. Voici un exemple :

import tensorflow as tf

# Prepare placeholders and variables
w1 = tf.placeholder(tf.float32, name="w1")
w2 = tf.placeholder(tf.float32, name="w2")
b1 = tf.Variable(2.0, name="bias")
feed_dict = {w1: 4, w2: 8}

# Define an operation to be restored
w3 = tf.add(w1, w2)
w4 = tf.multiply(w3, b1, name="op_to_restore")
sess = tf.Session()
sess.run(tf.global_variables_initializer())

# Create a saver object
saver = tf.train.Saver()

# Run the operation and save the graph
print(sess.run(w4, feed_dict))
saver.save(sess, 'my_test_model', global_step=1000)

Restauration du modèle

Pour restaurer un modèle précédemment enregistré, vous pouvez utiliser le processus suivant :

import tensorflow as tf

sess = tf.Session()

# Load the meta graph and restore weights
saver = tf.train.import_meta_graph('my_test_model-1000.meta')
saver.restore(sess, tf.train.latest_checkpoint('./'))

# Access saved variables directly
print(sess.run('bias:0'))  # Prints 2 (the bias value)

# Access and create feed-dict for new input data
graph = tf.get_default_graph()
w1 = graph.get_tensor_by_name("w1:0")
w2 = graph.get_tensor_by_name("w2:0")
feed_dict = {w1: 13.0, w2: 17.0}

# Access the desired operation
op_to_restore = graph.get_tensor_by_name("op_to_restore:0")

print(sess.run(op_to_restore, feed_dict))  # Prints 60 ((w1 + w2) * b1)

Pour des scénarios et des cas d'utilisation supplémentaires, reportez-vous aux ressources fournies dans les réponses fournies, qui approfondissent la sauvegarde et la restauration de TensorFlow. modèles.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!