Isi kandungan:

Bagaimanakah anda menyimpan graf TensorFlow?
Bagaimanakah anda menyimpan graf TensorFlow?

Video: Bagaimanakah anda menyimpan graf TensorFlow?

Video: Bagaimanakah anda menyimpan graf TensorFlow?
Video: Saving and Loading Models (Coding TensorFlow) 2024, Mungkin
Anonim

TensorFlow menyimpan ke dalam/memuatkan graf daripada fail

  1. Simpan pembolehubah model ke dalam fail pusat pemeriksaan (. ckpt) menggunakan tf.
  2. Simpan model ke dalam. pb fail dan muatkan semula menggunakan tf.
  3. Muatkan dalam model daripada.
  4. Pegunkan graf untuk menyimpan graf dan pemberat bersama-sama (sumber)
  5. Gunakan as_graph_def() untuk menyimpan model, dan untuk pemberat/pembolehubah, petakannya ke dalam pemalar (sumber)

Dalam hal ini, bagaimana saya boleh menyimpan dan memulihkan model TensorFlow?

Kepada simpan dan pulihkan pembolehubah anda, semua yang anda perlu lakukan ialah memanggil tf. kereta api. Saver() pada penghujung graf anda. Ini akan membuat 3 fail (data, indeks, meta) dengan akhiran langkah anda disimpan anda model.

Selain di atas, apakah itu Pbtxt? pbtxt : Ini memegang rangkaian nod, setiap satu mewakili satu operasi, bersambung antara satu sama lain sebagai input dan output. Kami akan menggunakannya untuk membekukan graf kami. Anda boleh membuka fail ini dan menyemak sama ada beberapa nod tiada untuk tujuan penyahpepijatan. Perbezaan antara. fail meta dan.

Memandangkan ini, bagaimana anda memuatkan graf dalam TensorFlow?

TensorFlow menyimpan ke dalam/memuatkan graf daripada fail

  1. Simpan pembolehubah model ke dalam fail pusat pemeriksaan (. ckpt) menggunakan tf.
  2. Simpan model ke dalam. pb fail dan muatkan semula menggunakan tf.
  3. Muatkan dalam model daripada.
  4. Pegunkan graf untuk menyimpan graf dan pemberat bersama-sama (sumber)
  5. Gunakan as_graph_def() untuk menyimpan model, dan untuk pemberat/pembolehubah, petakannya ke dalam pemalar (sumber)

Apakah model TensorFlow?

Pengenalan. TensorFlow Penyajian ialah sistem penyajian yang fleksibel dan berprestasi tinggi untuk pembelajaran mesin model , direka untuk persekitaran pengeluaran. TensorFlow Penyajian memudahkan untuk menggunakan algoritma dan eksperimen baharu, sambil mengekalkan seni bina pelayan dan API yang sama.

Disyorkan: