tf.train.Saver()与tf.train.import_meta_graph的示例分析

这篇文章将为大家详细讲解有关tf.train.Saver()与tf.train.import_meta_graph的示例分析，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

(一)、tf.train.Saver()

(1). tf.train.Saver() 是用来保存Tensorflow训练模型的，默认保存全部参数

(2). 用来加载参数，注：只加载存储在data中的权重和偏置项等需要训练的参数，其他一律不加载，包括meta文件中的图也不加载

(二)、tf.train.import_meta_graph

(1). 用来加载meta文件中的图,以及图上定义的结点参数包括权重偏置项等需要训练的参数,也包括训练过程生成的中间参数,所有参数都是通过graph调用接口get_tensor_by_name(name="训练时的参数名称")来获取

(三)、总结

(1). 保存使用tf.train.Saver()

(2). 加载可以使用tf.train.import_meta_graph(".meta文件"),直接通过训练参数名称就可以获取需要的参数,但需要提前知道训练时的参数名称才能获取,要懂得tensorflow命名规则

(3). tf.train.Saver("./checkpoints目录/")加载的缺点是只加载了训练参数,并且必须定义与之相同(shape,dtype要相同,tf.type要相同，如：我是placeholder,你也是tf.placeholder)方能使用,当你要获取训练中间参数时,需要和训练过程一样搭建相同的网络.

补充：tf.train.import_meta_graph报KeyError

我在模型恢复时，在执行tf.train.import_meta_graph的时候报错

后来发现，我的模型是在服务器上训练的，服务器上tensorflow版本是1.11.0,而我在本地电脑上执行的 tf.train.import_meta_graph，我本地的tensorflow是1.5.0，我将tensorflow更新到1.11.0后，就解决了。

关于“tf.train.Saver()与tf.train.import_meta_graph的示例分析”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。