TensorFlow实现保存训练模型为pd文件并恢复

TensorFlow实现保存训练模型为实现保存训练模型为pd文件并恢复文件并恢复

今天小编就为大家分享一篇TensorFlow实现保存训练模型为pd文件并恢复，具有很好的参考价值，希望对大家

有所帮助。一起跟随小编过来看看吧

TensorFlow保存模型代码保存模型代码

import tensorflow as tf

from tensorflow.python.framework import graph_util

var1 = tf.Variable(1.0, dtype=tf.float32, name='v1')

var2 = tf.Variable(2.0, dtype=tf.float32, name='v2')

initop = tf.global_variables_initializer()

model_path = './Test/model.pb'

with tf.Session() as sess:

sess.run(initop)

print(sess.run(addop, feed_dict={x: 12, x2: 23}))

output_graph_def = graph_util.convert_variables_to_constants(sess, sess.graph_def, ['add', 'add2', 'add3'])

# 将计算图写入到模型文件中

model_f = tf.gfile.FastGFile(model_path, mode="wb")

model_f.write(output_graph_def.SerializeToString())

读取模型代码读取模型代码

c2 = tf.import_graph_def(graph_def, return_elements=["add3:0"])

x, x2, c3 = tf.import_graph_def(graph_def, return_elements=["x:0", "x2:0", "add:0"])

print(sess.run(c))

print(sess.run(c2))

print(sess.run(c3, feed_dict={x: 23, x2: 2}))

以上这篇TensorFlow实现保存训练模型为pd文件并恢复就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望

大家多多支持我们。