python神经网络模型怎么保存_Python中bp神经网络权值怎么保存？想把最优模型保存下来？...

保存为npy格式并加载

import tensorflow as tf

import numpy as np

# 线性回归模型，别的模型保存方式也一样

x = tf.random_normal([100,1],mean=1.75,stddev=0.5,name="my_data")

y_true = tf.matmul(x,[[0.7]])+0.8

weight = tf.Variable(tf.random_normal([1,1],mean=0.1,stddev=1.0),name="weight")

bias = tf.Variable(0.1,name="bias")

y_predict = tf.matmul(x,weight)+bias

loss = tf.reduce_mean(tf.square(y_true-y_predict))

train_op=tf.train.GradientDescentOptimizer(0.1).minimize(loss)

init_op=tf.global_variables_initializer()

# 模型训练

with tf.Session() as sess:

#初始化变量

sess.run(init_op)

#打印随机初始化的权重和偏置

#print("随机初始化的权重参数为：%f,偏置为：%f" %(weight.eval(),bias.eval()))

#循环训练，运行优化

for i in range(50):

sess.run(train_op)

print("第%d次训练权重参数为：%f,偏置为：%f" %(i,weight.eval(),bias.eval())

# 模型保存为npy文件

data = {}

#权值和偏置保存为npy格式，最后一次训练的值

#每一次重新训练保存需要重启控制台，不然上次的模型参数也会被保存

for var in tf.trainable_variables():

print(var.name) #打印变量名字

data[var.name] = sess.run(var)

np.save('./out.npy', data)

#加载npy文件

data=np.load('./out.npy',allow_pickle=True).item() #读入npy文件

#将字典中的某个值以张量的形式赋给网络中的某个权重和偏置(得知道键)

#trainable决定你是否要固定权重，False代表固定权重

b = tf.Variable(data['weight:0'], dtype=tf.float32, trainable=False)

sess=tf.Session()

sess.run(tf.global_variables_initializer())

print(sess.run(b))