从另一个 python 文件导入 tf.train.Saver
Importing tf.train.Saver from another python file
我在 one.py 文件中使用 tf.train.Saver(),代码如下。
saver = tf.train.Saver(tf.all_variables())
saver.save(sess,"checkpoint.data")
如何在另一个 python 文件中恢复 checkpoint.data?
我使用了下面的代码,但是没有用。
from one import saver
import tensorflow as tf
with tf.Session() as sess:
saver.restore(sess, "checkpoint.data")
检查点文件(即 'checkpoint.data'
)没有为 TensorFlow 提供足够的信息来重建您的模型结构。在您的第二个程序中,您需要重建与第一个程序中使用的相同的 TensorFlow 图。执行此操作有几个选项:
- 将模型构建代码提取到一个Python函数中,并在每个程序中创建
tf.train.Saver
之前调用它。
- 使用
saver.export_meta_graph()
to write out the graph structure along with a checkpoint in your first program, and tf.train.import_meta_graph()
在您的第二个程序中导入图形结构(并创建适当配置的 tf.train.Saver
实例)。
我在 one.py 文件中使用 tf.train.Saver(),代码如下。
saver = tf.train.Saver(tf.all_variables())
saver.save(sess,"checkpoint.data")
如何在另一个 python 文件中恢复 checkpoint.data?
我使用了下面的代码,但是没有用。
from one import saver
import tensorflow as tf
with tf.Session() as sess:
saver.restore(sess, "checkpoint.data")
检查点文件(即 'checkpoint.data'
)没有为 TensorFlow 提供足够的信息来重建您的模型结构。在您的第二个程序中,您需要重建与第一个程序中使用的相同的 TensorFlow 图。执行此操作有几个选项:
- 将模型构建代码提取到一个Python函数中,并在每个程序中创建
tf.train.Saver
之前调用它。 - 使用
saver.export_meta_graph()
to write out the graph structure along with a checkpoint in your first program, andtf.train.import_meta_graph()
在您的第二个程序中导入图形结构(并创建适当配置的tf.train.Saver
实例)。