Tensorflow：保存和恢复模型参数

我是TensorFlow的初学者，目前正在培训CNN。Tensorflow：保存和恢复模型参数

我为了节省模型使用的参数，使用节电器，但我有担忧这是否会本身存储在模型中使用的所有变量，以及足以将值恢复为重新运行在训练的网络上执行分类/测试的程序。

让我们看一下TensorFlow给出的着名示例MNIST。

在这个例子中，我们有一堆卷积块，所有块都有权重，并且偏置变量在程序运行时被初始化。

W_conv1 = init_weight([5,5,1,32]) 
b_conv1 = init_bias([32])

处理好几个图层后，我们创建一个会话，并初始化添加到图形中的所有变量。

sess = tf.Session() 
sess.run(tf.initialize_all_variables()) 
saver = tf.train.Saver()

这里，是否有可能作出评论saver.save代码，并通过培训后saver.restore（SESS，FILE_PATH）取代它，以恢复体重，偏见等，后面的参数到图表？这是应该如何？

for i in range(1000): 
... 

    if i%500 == 0: 
    saver.save(sess,"model%d.cpkt"%(i))

我目前的训练大数据集，因此终止，并重新启动培训是浪费时间和资源，所以我要求有人请澄清之前，我开始训练。

来源

2016-04-22 VM_AI

这是有点不清楚你在问什么。 “评论saver.save代码，并用saver.restore（sess，file_path）替换它”你不想存储你的训练值并且重新设置以前的训练（通过恢复）？ “如此终止，重新开始培训是一种浪费”。这意味着当您完成所有培训后，您想要保存一次模型？ –

@Sung Kim：你的后一个问题的答案是肯定的。我不打算用存储的值重新开始训练，而是在完成训练后简单地将模型保存一次。因为在Matlab中，这非常简单，事实上，这是我第一次编程Python和TensorFlow，所以我不知道是否有其他优雅的方式来保存参数。 –

如果你想保存最后的结果只有一次，你可以这样做：

with tf.Session() as sess: 
    for i in range(1000): 
    ... 


    path = saver.save(sess, "model.ckpt") # out of the loop 
    print "Saved:", path

在其他程序中，可以使用从saver.save返回预测什么的路径加载模型。你可以在https://github.com/sugyan/tensorflow-mnist看到一些例子。

来源

2016-04-24 13:50:50

根据here和Sung Kim解决方案的说明，我写了一个非常简单的模型来准确解决这个问题。基本上这样你需要从同一个类创建一个对象，并从保存器中恢复它的变量。你可以找到这个解决方案的例子here。

来源

2016-06-17 17:41:30 Phoenix666

Tensorflow：保存和恢复模型参数

回答

相关问题