我想问一下python和tensor flow中保存和加载文件的语法是不同还是相同? 我怎样才能重新加载这样的结果 np.save("结果/"+FLAGS.result_file,W)
最佳答案
如果您正在加载 numpy 文件,则可以使用 np.load()
将结果返回到 numpy 数组中。
x = np.load("Result/"+FLAGS.result_file)
如果要保存 tensorflow 图,则需要在创建张量后创建一个保存程序对象。
x = tf.Variable(..., name="x_saved")
init_op = tf.global_variables_initializer()
...
saver = tf.train.Saver()
然后使用保存程序对象将图形保存到文件。
with tf.Session() as sess:
sess.run(init_op)
# Do some work with the model.
..
# Save the variables to disk.
save_path = saver.save(sess, "Result/"+FLAGS.result_file)
当你想要加载模型时,你需要创建相同大小的张量,并创建一个saver对象。如果您从文件加载所有张量,则无需调用初始化程序。
saver = tf.train.Saver()
并使用该保护程序恢复 session 。
with tf.Session() as sess:
# Restore variables from disk.
saver.restore(sess, "Result/"+FLAGS.result_file)
这将使用您之前保存的值加载张量。如果您只想保存和加载特定张量,则可以使用这些张量的名称初始化保护程序对象。
x_loaded = tf.Variable(..., name="x")
saver = tf.train.Saver({"x_loaded": x})
请记住,如果加载一些张量而不是整个图,则需要初始化任何其他张量。
关于python - 在tensorflow和python中保存和加载文件的区别,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42756400/