前面的两篇博文
第一篇:简单的模型保存和加载,会包含所有的信息:神经网络的op,node,args等;
第二篇:选择性的进行模型参数的保存与加载。
本篇介绍,只保存和加载神经网络的计算图,即前向传播的过程。
#!/usr/bin/env python3
#-*- coding:utf-8 -*-
############################
#File Name: save_restore.py
#Brief:
#Author: frank
#Mail: frank0903@aliyun.com
#Created Time:2018-06-26 20:30:09
############################ import tensorflow as tf
from tensorflow.python.framework import graph_util #TF提供了convert_variables_to_constants函数,通过这个函数可以将计算图中的变量及其取值通过常量的方式保存. v1 = tf.Variable(tf.constant(1.0, shape=[1]), name="v1")
v2 = tf.Variable(tf.constant(2.0, shape=[1]), name="v2")
result = v1 + v2 init_op = tf.global_variables_initializer() with tf.Session() as sess:
sess.run(init_op)
#导出当前计算图的GraphDef部分,只需要这一步就可以完成从输入层到输出层的计算过程
graph_def = tf.get_default_graph().as_graph_def()
#将图中的变量及其取值转化为常量,同时将图中不必要的节点去掉.本程序只关心加法运算,所以这里只保存['add']节点,其他和该计算无关的节点就不保存了
output_graph_def = graph_util.convert_variables_to_constants(sess, graph_def, ['add'])
with tf.gfile.GFile("./combine/combined_model.pb", "wb") as f:
¦ f.write(output_graph_def.SerializeToString())
#!/usr/bin/env python3
#-*- coding:utf-8 -*-
############################
#File Name: save_restore2.py
#Brief:
#Author: frank
#Mail: frank0903@aliyun.com
#Created Time:2018-06-26 20:30:09
############################ import tensorflow as tf
from tensorflow.python.platform import gfile with tf.Session() as sess:
model_filename = "combine/combined_model.pb"
#读取保存的模型文件,并将文件解析成对应的GraphDef Protocol Buffer.
with gfile.FastGFile(model_filename, "rb") as f:
¦ graph_def = tf.GraphDef()
¦ graph_def.ParseFromString(f.read()) #将graph_def中保存的图加载到当前图中.return_elements=["add:0"]给出了返回的张量的名称.在保存的时候给出的是计算节点的名称,所以为"add".在加载的时候给出的是张量的名称,所以是add:0.
result = tf.import_graph_def(graph_def, return_elements=["add:0"])
print(sess.run(result))
源码路径:https://github.com/suonikeyinsuxiao/tf_notes/blob/master/save_restore/save_restore2.py