tensorflow学习笔记——模型参数的保存与调用

 在训练前定义一个模型saver：

saver = tf.train.Saver()

然后在图后面将图保存到模型中：

saver.save(sess,'net/my_net.ckpt')

训练完成后对应路径下将会生成训练好的模型参数文件：

 在调用训练好的模型参数时，使用restore将参数调用到图中：

saver.restore(sess,'net/my_net.ckpt')

之后运行图中网络的参数将会变为调用的训练好的参数。比如：

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())

    acc = sess.run(accuracy,feed_dict={x:mnist.test.images,y:mnist.test.labels,keep_prob:1.0})
    print(" Accuracy" + str(acc))    
    saver.restore(sess,'net/my_net.ckpt')
    print(" Accuracy" + str(sess.run(accuracy,feed_dict={x:mnist.test.images,y:mnist.test.labels,keep_prob:1.0})))

 得到以下结果：

前面是使用为载入训练好的模型时的准确率，后面时载入训练好的模型的准确率。