tensorflow學習筆記1：導出和加載模型

本文轉載自查看原文 2018-06-06 14:15 917 tensorflow/ MachineLearning

用一個非常簡單的例子學習導出和加載模型；

導出

寫一個y=a*x+b的運算，然后保存graph；

import tensorflow as tf
from tensorflow.python.framework.graph_util import convert_variables_to_constants

with tf.Session() as sess:
    a = tf.Variable(5.0, name='a')
    x = tf.Variable(6.0, name='x')
    b = tf.Variable(3.0, name='b')
    y = tf.add(tf.multiply(a,x),b, name="y")

    tf.global_variables_initializer().run()
    
    print (a.eval()) # 5.0
    print (x.eval()) # 6.0
    print (b.eval()) # 3.0
    print (y.eval()) # 33.0

    graph = convert_variables_to_constants(sess, sess.graph_def, ["y"])
    #writer = tf.summary.FileWriter("logs/", graph)
    tf.train.write_graph(graph, 'models/', 'test_graph.pb', as_text=False)

運行

在models目錄下生成了test_graph.pb；

注：convert_variables_to_constants操作是將模型參數froze（保存）進graph中，這時的graph相當於是sess.graph_def + checkpoint，即有模型結構也有模型參數；

加載

只加載，獲取各個變量的值

import tensorflow as tf
from tensorflow.python.platform import gfile

with gfile.FastGFile("models/test_graph.pb", 'rb') as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())
    output = tf.import_graph_def(graph_def, return_elements=['a:0', 'x:0', 'b:0','y:0'])
    #print(output)
    
with tf.Session() as sess:
    result = sess.run(output)
    print (result)

運行看以看到原本保存的結果（因為幾個變量都已經帶入模型，又從模型中加載了出來）