[Tensorflow] Saver保存和使用训练数据

#!/usr/bin/env python
# coding=utf-8
import tensorflow as tf

# 创建节点时设置name，方便在图中识别
W = tf.Variable([0], dtype=tf.float32, name='W')
b = tf.Variable([0], dtype=tf.float32, name='b')

# 创建节点时设置name，方便在图中识别
x = tf.placeholder(tf.float32, name='x')
y = tf.placeholder(tf.float32, name='y')

# 线性模型
linear_model = W * x + b

# 损失模型隐藏到loss-model模块
with tf.name_scope("loss-model"):
    loss = tf.reduce_sum(tf.square(linear_model - y))
    # 给损失模型的输出添加scalar，用来观察loss的收敛曲线
    tf.summary.scalar("loss", loss)

optmizer = tf.train.GradientDescentOptimizer(0.001)

train = optmizer.minimize(loss)

x_train = [1, 2, 3, 6, 8]
y_train = [4.8, 8.5, 10.4, 21.0, 25.3]

# 对模型初始化
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)

# 调用 merge_all() 收集所有的操作数据
merged = tf.summary.merge_all()

# 模型运行产生的所有数据保存到 /tmp/tensorflow 文件夹供 TensorBoard 使用
writer = tf.summary.FileWriter('/tmp/tensorflow', sess.graph)

saver = tf.train.Saver() # 生成saver


with tf.Session() as sess:
    sess.run(tf.global_variables_initializer()) # 先对模型初始化
    # 训练10000次
    for i in range(10000):
        # 训练时传入merge
        summary, _ = sess.run([merged, train], {x: x_train, y: y_train})
        # 收集每次训练产生的数据
        writer.add_summary(summary, i)
        
        if i % 1000 == 0 :

            curr_W, curr_b, curr_loss = sess.run(
    [W, b, loss], {x: x_train, y: y_train})

            print("After train W: %s b %s loss: %s" % (curr_W, curr_b, curr_loss))

    # 训练完以后，使用saver.save 来保存
    saver.save(sess, "./old_file/file") #file_name如果不存在的话，会自动创建

保存的文件信息：

文件信息.png

程序输出：

输出.png

需要在使用的时候定义和保存时一样的结构。
使用保存的信息：

#!/usr/bin/env python
# coding=utf-8

import tensorflow as tf

# 创建节点时设置name
W = tf.Variable([1], dtype=tf.float32, name='W')
b = tf.Variable([1], dtype=tf.float32, name='b')

saver = tf.train.Saver()

with tf.Session() as sess:
    #参数可以进行初始化，也可不进行初始化。即使初始化了，初始化的值也会被restore的值给覆盖
    sess.run(tf.global_variables_initializer())
    saver.restore(sess, "./old_file/file") #会将已经保存的变量值resotre赋值到相应变量中。
    print ("w", sess.run(W))
    print ("b", sess.run(b))

输出.png

注：Saver学习来源