在张量流图中保存单个神经网络的权重-Java 学习之路

如何在张量流图中保存单个神经网络的权重，以便可以将其加载到具有相同架构的网络中的不同程序中？

我的训练代码仅需要3个其他神经网络用于训练过程 . 如果我使用 saver.save(sess, 'my-model)' ，那么我的用例似乎是正确的 .

也许这来自于我对张量流应该如何工作的误解 . 我正确地解决了这个问题吗？

1 回答

最好的方法是使用tensorflow变量范围 . 假设您有model_1，model_2和model_3，并且您只想保存model_1：

首先，在训练代码中定义模型：

with tf.variable_scope('model_1'):
    model one declaration here
    ...
with tf.variable_scope('model_2'):
    model one declaration here
    ...
with tf.variable_scope('model_3'):
    model one declaration here
    ...

接下来，为model_1的变量定义保护程序：

model_1_variables = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope="model_1")
saver = tf.train.Saver(model_1_variables)

训练时你可以像你提到的那样保存一个检查点：

saver.save(sess, 'my-model')

训练完成后，如果要在评估代码中恢复权重，请确保以相同的方式定义model_1和saver：

with tf.variable_scope('model_1'):
    model one declaration here
    ...
model_1_variables = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope="model_1")
saver = tf.train.Saver(model_1_variables)
sess = tf.Session()
saver.restore(sess, 'my-model')`

回复于 2024-04-25T17:48:03+08:00

在张量流图中保存单个神经网络的权重

1 回答

相关问题