概述

今天和大家分享一下用TensorFlow的saver存取训练好的模型那点事。

1. 用saver存取变量；
2. 用saver存取指定变量。

用saver存取变量。

话不多说，先上代码

# coding=utf-8
import os        
import tensorflow as tf
import numpy
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #有些指令集没有装，加这个不显示那些警告
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,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")#路径可以自己定
 print("save to path:",save_path)

这里我随便定义了几个变量然后进行存操作，运行后，变量w，b，s会被保存下来。保存会生成如下几个文件：

接下来是读取的代码

import tensorflow as tf
import os
import numpy as np
os.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,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))

在写读取代码时要注意变量定义的类型、大小和变量的数量以及顺序等要与存的时候一致，不然会报错。你存的时候顺序是w，b，s，取的时候同样这个顺序。存的时候w定义了dtype没有 定义name，取的时候同样要这样，因为TensorFlow存取是按照键值对来存取的，所以必须一致。这里变量名，也就是w，s之类可以不同。

如下是我成功读取的效果

用saver存取指定变量。

在我们做训练时候，有些变量是没有必要保存的，但是如果直接用tf.train.Saver()。程序会将所有的变量保存下来，这时候我们可以指定保存，只保存我们需要的变量，其他的统统丢掉。
其实很简单，只需要在上面代码基础上稍加修改，只需把tf.train.Saver()替换成如下代码

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

这样，程序就只会存w和b了。同样，读取程序里面的tf.train.Saver()也要做如上修改。dtype,name之类依旧必须一致。

最后附上最终代码：

# coding=utf-8
# saver保存变量测试
import os        
import tensorflow as tf
import numpy
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #有些指令集没有装，加这个不显示那些警告
w = tf.Variable([[1,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_path)

#saver提取变量测试
import tensorflow as tf
import os
import numpy as np
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

w = tf.Variable(np.arange(9).reshape((3,dtype=tf.float32)
program = []
program +=[w,b]
saver =tf.train.Saver(program)
with tf.Session() as sess:

 saver.restore(sess,sess.run(b))
 #print ("s",sess.run(a))

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持编程小技巧。

总结

以上是编程之家为你收集整理的TensorFlow saver指定变量的存取全部内容，希望文章能够帮你解决TensorFlow saver指定变量的存取所遇到的程序开发问题。

如果您也喜欢它,动动您的小指点个赞吧