今天和大家分享一下用TensorFlow的saver存取訓練好的模型那點事。

1. 用saver存取變量；
2. 用saver存取指定變量。

用saver存取變量。

話不多說，先上代碼

# coding=utf-8import os        import tensorflow as tfimport numpyos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #有些指令集沒有裝，加這個不顯示那些警告w = tf.Variable([[1,2,3],[2,3,4],[6,7,8]],dtype=tf.float32)b = tf.Variable([[4,5,6]],dtype=tf.float32,)s = tf.Variable([[2, 5],[5, 6]], dtype=tf.float32)init = tf.global_variables_initializer()saver =tf.train.Saver()with tf.Session() as sess: sess.run(init) save_path = saver.save(sess, "save_net.ckpt")#路徑可以自己定 print("save to path:",save_path)

這里我隨便定義了幾個變量然后進行存操作，運行后，變量w，b，s會被保存下來。保存會生成如下幾個文件：

接下來是讀取的代碼

import tensorflow as tfimport osimport numpy as npos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'w = tf.Variable(np.arange(9).reshape((3,3)),dtype=tf.float32)b = tf.Variable(np.arange(3).reshape((1,3)),dtype=tf.float32)a = tf.Variable(np.arange(4).reshape((2,2)),dtype=tf.float32)saver =tf.train.Saver()with tf.Session() as sess: saver.restore(sess,'save_net.ckpt') print ("weights",sess.run(w)) print ("b",sess.run(b)) print ("s",sess.run(a))

在寫讀取代碼時要注意變量定義的類型、大小和變量的數量以及順序等要與存的時候一致，不然會報錯。你存的時候順序是w，b，s，取的時候同樣這個順序。存的時候w定義了dtype沒有 定義name，取的時候同樣要這樣，因為TensorFlow存取是按照鍵值對來存取的，所以必須一致。這里變量名，也就是w，s之類可以不同。

如下是我成功讀取的效果

用saver存取指定變量。

在我們做訓練時候，有些變量是沒有必要保存的，但是如果直接用tf.train.Saver()。程序會將所有的變量保存下來，這時候我們可以指定保存，只保存我們需要的變量，其他的統統丟掉。
其實很簡單，只需要在上面代碼基礎上稍加修改，只需把tf.train.Saver()替換成如下代碼

program = []program += [w,b]tf.train.Saver(program)

這樣，程序就只會存w和b了。同樣，讀取程序里面的tf.train.Saver()也要做如上修改。dtype,name之類依舊必須一致。

最后附上最終代碼：

# coding=utf-8# saver保存變量測試import os        import tensorflow as tfimport numpyos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #有些指令集沒有裝，加這個不顯示那些警告w = tf.Variable([[1,2,3],[2,3,4],[6,7,8]],dtype=tf.float32)b = tf.Variable([[4,5,6]],dtype=tf.float32,)s = tf.Variable([[2, 5],[5, 6]], dtype=tf.float32)init = tf.global_variables_initializer()program = []program += [w, b]saver =tf.train.Saver(program)with tf.Session() as sess: sess.run(init) save_path = saver.save(sess, "save_net.ckpt")#路徑可以自己定 print("save to path:",save_path)