TensorFlow模型的持久化

保存模型

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf

#声明两个变量并计算它们的和。
v1 = tf.Variable(tf.constant(1.0 , shape=[1]) , name="v1")
v2 = tf.Variable(tf.constant(2.0 , shape=[1]) , name="v2")
result = v1 + v2

init_op= tf.global_variables_initializer()
#声明 tf.train.Saver 类用于保存模型。
saver = tf.train.Saver()

with tf.Session() as sess:
    sess.run(init_op)
    #将模型保存到/model/model.ckpt 文件。
    saver.save(sess,"model/model.ckpt")

• 运行之后model文件夹会生成四个文件

1. model.ckpt.meta 保存了tensorflow计算图的结构

2.model.ckpt保存了每一个变量的取值

3. checkpoint文件报错了一个目录下所有的模型文件列表

加载模型

• 和保存模型的代码几乎是一样的。唯一不同的是，在加载模型的代码中没有运行变量的初始化过程，是直接将已经保存过的模型加载进来。

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf

#使用和保存模型代码中一样的方式来卢明变量。
v1 = tf.Variable(tf.constant(1.0, shape=[1]), name="v1")
v2 = tf.Variable(tf.constant(2.0, shape=[1]), name="v2")
result = v1 + v2

saver = tf.train.Saver()

with tf.Session() as sess:
    #加载己经保存的模型，并通过已经保存的模型中变量的值来计算加法。
    saver.restore(sess, "./Model/model.ckpt")  # 注意此处路径前添加"./"
    print(sess.run(result))
    # 输出［ 3 .]

直接加载

• 直接加载模型中的全部变量。

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf
#直接加载持久化的图。
saver = tf.train.import_meta_graph ("model/model.ckpt.meta")

with tf.Session() as sess:
    saver.restore(sess , "model/model.ckpt")
    #通过张量的名称来获取张量。
    print(sess.run(tf.get_default_graph().get_tensor_by_name("add:0")))
    #输出［ 3 .]

加载部分变量

• 使用tf.train.Saver([v1])只加载变量v1

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf

v1 = tf.Variable(tf.constant(1.0, shape=[1]), name="v1")
v2 = tf.Variable(tf.constant(2.0, shape=[1]), name="v2")
result = v1 + v2

saver = tf.train.Saver([v1])

with tf.Session() as sess:
    saver.restore(sess, "./Model/model.ckpt")  
    print(sess.run(result))

• 报错提示变量v2未初始化。

加载时重命名变量

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf

#重命名变量名称
v1 = tf.Variable(tf.constant(1.0, shape=[1]), name="rename-v1")
v2 = tf.Variable(tf.constant(2.0, shape=[1]), name="rename-v2")
result = v1 + v2

saver = tf.train.Saver({"v1":v1,"v2":v2})

with tf.Session() as sess:
    #加载己经保存的模型，并通过已经保存的模型中变量的值来计算加法。
    saver.restore(sess, "model/model.ckpt")  # 注意此处路径前添加"./"
    print(sess.run(result))
    # 输出［ 3 .]