怎么在TensorFlow中使用variables_to_restore函數

本篇文章給大家分享的是有關怎么在TensorFlow中使用variables_to_restore函數，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

1、滑動平均值模型文件的保存

import tensorflow as tf
 
if __name__ == "__main__":
 v = tf.Variable(0.,name="v")
 #設置滑動平均模型的系數
 ema = tf.train.ExponentialMovingAverage(0.99)
 #設置變量v使用滑動平均模型，tf.all_variables()設置所有變量
 op = ema.apply([v])
 #獲取變量v的名字
 print(v.name)
 #v:0
 #創建一個保存模型的對象
 save = tf.train.Saver()
 sess = tf.Session()
 #初始化所有變量
 init = tf.initialize_all_variables()
 sess.run(init)
 #給變量v重新賦值
 sess.run(tf.assign(v,10))
 #應用平均滑動設置
 sess.run(op)
 #保存模型文件
 save.save(sess,"./model.ckpt")
 #輸出變量v之前的值和使用滑動平均模型之后的值
 print(sess.run([v,ema.average(v)]))
 #[10.0, 0.099999905]

上面的代碼，是如何來保存一個滑動平均值的模型文件，之前有介紹過滑動平均值和模型文件的保存，所以這里就不再重復了。

2、滑動平均值模型文件的讀取

 v = tf.Variable(1.,name="v")
 #定義模型對象
 saver = tf.train.Saver({"v/ExponentialMovingAverage":v})
 sess = tf.Session()
 saver.restore(sess,"./model.ckpt")
 print(sess.run(v))
 #0.0999999

對于模型文件的讀取，在上一篇博客中有介紹過，這里特別需要注意的一個地方就是，在使用tf.train.Saver函數中，所傳遞的模型參數是{"v/ExponentialMovingAverage":v}而不是{"v":v}，如果你使用的是后面的參數，那么你得到的結果將是10而不是0.09，那是因為后者獲取的是變量本身而不是影子變量。是不是感覺使用這種方式來讀取模型文件的時候，還需要輸入一大串的變量名稱。

3、variables_to_restore函數的使用

 v = tf.Variable(1.,name="v")
 #滑動模型的參數的大小并不會影響v的值
 ema = tf.train.ExponentialMovingAverage(0.99)
 print(ema.variables_to_restore())
 #{'v/ExponentialMovingAverage': <tf.Variable 'v:0' shape=() dtype=float32_ref>}
 sess = tf.Session()
 saver = tf.train.Saver(ema.variables_to_restore())
 saver.restore(sess,"./model.ckpt")
 print(sess.run(v))
 #0.0999999

通過使用variables_to_restore函數，可以使在加載模型的時候將影子變量直接映射到變量的本身，所以我們在獲取變量的滑動平均值的時候只需要獲取到變量的本身值而不需要去獲取影子變量。

以上就是怎么在TensorFlow中使用variables_to_restore函數，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。