훈련된 TensorFlow 모델을 어떻게 저장하고 복원할 수 있나요?

훈련된 TensorFlow 모델 저장 및 복원

TensorFlow는 훈련된 모델을 저장하고 복원하는 원활한 기능을 제공하므로 다음에서 모델을 유지하고 재사용할 수 있습니다. 다양한 시나리오.

저장 모델

TensorFlow에서 훈련된 모델을 저장하려면 tf.train.Saver 클래스를 사용할 수 있습니다. 예는 다음과 같습니다.

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)

모델 복원

이전에 저장한 모델을 복원하려면 다음 프로세스를 사용할 수 있습니다.

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)

추가 시나리오 및 사용 사례는 제공된 답변에 제공된 리소스를 참조하세요. TensorFlow 저장 및 복원에 대해 더 자세히 설명되어 있습니다. 모델.

위 내용은 훈련된 TensorFlow 모델을 어떻게 저장하고 복원할 수 있나요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!