python - 在tensorflow和python中保存和加载文件的区别

Question

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)

Answer 1

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。