Tensorflow 모델 저장 및 복원
Tensorflow에서 모델 저장 및 복원을 통해 훈련된 모델을 보존하고 나중에 사용할 수 있도록 활용할 수 있습니다. 관련 단계는 다음과 같습니다.
모델 저장(Tensorflow 0.11 이상):
예:
# Define placeholders w1 = tf.placeholder("float", name="w1") w2 = tf.placeholder("float", name="w2") # Define operations w3 = tf.add(w1, w2) w4 = tf.multiply(w3, 2.0, name="op_to_restore") # Initialize variables sess = tf.Session() sess.run(tf.global_variables_initializer()) # Create a saver saver = tf.train.Saver() # Save the model saver.save(sess, 'my_model', global_step=1000)
복원 중 모델:
예:
# Load the meta graph sess = tf.Session() saver = tf.train.import_meta_graph('my_model-1000.meta') saver.restore(sess, tf.train.latest_checkpoint('./')) # Access saved variables print(sess.run('bias:0')) # Prints the saved bias value # Create placeholders and feed new data w1 = tf.get_default_graph().get_tensor_by_name("w1:0") w2 = tf.get_default_graph().get_tensor_by_name("w2:0") feed_dict = {w1: 13.0, w2: 17.0} # Access and run the operation op_to_restore = tf.get_default_graph().get_tensor_by_name("op_to_restore:0") print(sess.run(op_to_restore, feed_dict)) # Prints the result of the restored operation
위 내용은 TensorFlow 모델을 어떻게 저장하고 복원할 수 있나요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!