Bagaimanakah Saya Boleh Menyimpan dan Memulihkan Model TensorFlow?

Menyimpan dan Memulihkan Model Tensorflow

Dalam Tensorflow, penjimatan dan pemulihan model membolehkan mengekalkan model terlatih dan memanfaatkannya untuk kegunaan masa hadapan. Berikut ialah langkah-langkah yang terlibat:

Menyimpan Model (Tensorflow 0.11 dan ke atas):

1. Buat ruang letak dan tentukan operasi TensorFlow untuk model anda.
2. Memulakan pembolehubah TensorFlow.
3. Buat tf.train.Saver object.
4. Panggil kaedah saver.save dengan laluan sesi dan model.

Contoh:

# Define placeholders
w1 = tf.placeholder("float", name="w1")
w2 = tf.placeholder("float", name="w2")

# Define operations
w3 = tf.add(w1, w2)
w4 = tf.multiply(w3, 2.0, name="op_to_restore")

# Initialize variables
sess = tf.Session()
sess.run(tf.global_variables_initializer())

# Create a saver
saver = tf.train.Saver()

# Save the model
saver.save(sess, 'my_model', global_step=1000)

Memulihkan Model:

1. Muatkan meta graf dan pulihkan pemberat menggunakan fungsi tf.train.import_meta_graph.
2. Akses terus pembolehubah yang disimpan.
3. Buat ruang letak dan suapan data baharu.
4. Akses dan jalankan yang diingini operasi.

Contoh:

# Load the meta graph
sess = tf.Session()
saver = tf.train.import_meta_graph('my_model-1000.meta')
saver.restore(sess, tf.train.latest_checkpoint('./'))

# Access saved variables
print(sess.run('bias:0'))  # Prints the saved bias value

# Create placeholders and feed new data
w1 = tf.get_default_graph().get_tensor_by_name("w1:0")
w2 = tf.get_default_graph().get_tensor_by_name("w2:0")
feed_dict = {w1: 13.0, w2: 17.0}

# Access and run the operation
op_to_restore = tf.get_default_graph().get_tensor_by_name("op_to_restore:0")
print(sess.run(op_to_restore, feed_dict))  # Prints the result of the restored operation

Atas ialah kandungan terperinci Bagaimanakah Saya Boleh Menyimpan dan Memulihkan Model TensorFlow?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!