Python視頻教程之TensorFlow入門使用 tf.train.Saver()保存模型分享
加入技術交流群
本篇文章小編給大家分享一下扣丁學堂Python在線教程TensorFlow入門使用 tf.train.Saver()保存模型，希望可以幫到對Python開發感興趣的小伙伴們。
關于模型保存的一點心得
saver = tf.train.Saver(max_to_keep=3)
在定義 saver 的時候一般會定義最多保存模型的數量，一般來說，如果模型本身很大，我們需要考慮到硬盤大小。如果你需要在當前訓練好的模型的基礎上進行 fine-tune，那么盡可能多的保存模型，后繼 fine-tune 不一定從最好的 ckpt 進行，因為有可能一下子就過擬合了。但是如果保存太多，硬盤也有壓力呀。如果只想保留最好的模型，方法就是每次迭代到一定步數就在驗證集上計算一次 accuracy 或者 f1 值，如果本次結果比上次好才保存新的模型，否則沒必要保存。
如果你想用不同 epoch 保存下來的模型進行融合的話，3到5 個模型已經足夠了，假設這各融合的模型成為 M，而最好的一個單模型稱為 m_best, 這樣融合的話對于M 確實可以比 m_best 更好。但是如果拿這個模型和其他結構的模型再做融合的話，M 的效果并沒有 m_best 好，因為M 相當于做了平均操作，減少了該模型的“特性”。
但是又有一種新的融合方式，就是利用調整學習率來獲取多個局部最優點，就是當 loss 降不下了，保存一個 ckpt， 然后開大學習率繼續尋找下一個局部最優點，然后用這些 ckpt 來做融合，還沒試過，單模型肯定是有提高的，就是不知道還會不會出現上面再與其他模型融合就沒提高的情況。
如何使用 tf.train.Saver() 來保存模型
之前一直出錯，主要是因為坑爹的編碼問題。所以要注意文件的路徑絕對不不要出現什么中文呀。
import tensorflow as tf
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)
# Create some variables.
v1 = tf.Variable([1.0, 2.3], name="v1")
v2 = tf.Variable(55.5, name="v2")
# Add an op to initialize the variables.
init_op = tf.global_variables_initializer()
# Add ops to save and restore all the variables.
saver = tf.train.Saver()
ckpt_path = './ckpt/test-model.ckpt'
# Later, launch the model, initialize the variables, do some work, save the
# variables to disk.
sess.run(init_op)
save_path = saver.save(sess, ckpt_path, global_step=1)
print("Model saved in file: %s" % save_path)Model saved in file: ./ckpt/test-model.ckpt-1
注意，在上面保存完了模型之后。應該把 kernel restart 之后才能使用下面的模型導入。否則會因為兩次命名 “v1” 而導致名字錯誤。
import tensorflow as tf
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)
# Create some variables.
v1 = tf.Variable([11.0, 16.3], name="v1")
v2 = tf.Variable(33.5, name="v2")
# Add ops to save and restore all the variables.
saver = tf.train.Saver()
# Later, launch the model, use the saver to restore variables from disk, and
# do some work with the model.
# Restore variables from disk.
ckpt_path = './ckpt/test-model.ckpt'
saver.restore(sess, ckpt_path + '-'+ str(1))
print("Model restored.")
print sess.run(v1)
print sess.run(v2)INFO:tensorflow:Restoring parameters from ./ckpt/test-model.ckpt-1
Model restored.
[ 1. 2.29999995]
55.5
導入模型之前，必須重新再定義一遍變量。
但是并不需要全部變量都重新進行定義，只定義我們需要的變量就行了。
也就是說，你所定義的變量一定要在 checkpoint 中存在；但不是所有在checkpoint中的變量，你都要重新定義。
import tensorflow as tf
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)
# Create some variables.
v1 = tf.Variable([11.0, 16.3], name="v1")
# Add ops to save and restore all the variables.
saver = tf.train.Saver()
# Later, launch the model, use the saver to restore variables from disk, and
# do some work with the model.
# Restore variables from disk.
ckpt_path = './ckpt/test-model.ckpt'
saver.restore(sess, ckpt_path + '-'+ str(1))
print("Model restored.")
print sess.run(v1)INFO:tensorflow:Restoring parameters from ./ckpt/test-model.ckpt-1
Model restored.
[ 1. 2.29999995]
tf.Saver([tensors_to_be_saved]) 中可以傳入一個 list，把要保存的 tensors 傳入，如果沒有給定這個list的話，他會默認保存當前所有的 tensors。
以上就是扣丁學堂Python在線教程TensorFlow入門使用 tf.train.Saver()保存模型，想要了解更多Python內容的小伙伴可以登錄扣丁學堂官網咨詢，想要學好Python的小伙伴可以選擇扣丁學堂Python培訓機構學習，扣丁學堂不僅有專業的老師和與時俱進的課程體系，還有大量的Python在線教程供學員觀看學習，喜歡的小伙伴可以登錄官網學習哦。扣丁學堂python學習交流群：816572891。微信號：codingbb
*博客內容為網友個人發布，僅代表博主個人觀點，如有侵權請聯系工作人員刪除。
