Tensorflow模型保存与使用

简要介绍

本文主要介绍,用tensorflow训练的mnist数据库,如何保存模型和使用保存的模型,以及如何对一张测试图片进行识别

模型保存

模型训练与保存代码如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
#!/usr/bin/env python
# 导入mnist数据库
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
import tensorflow as tf
import os
# 定义输入变量
x = tf.placeholder(tf.float32, [None, 784])
# 定义参数
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
# 定义激励函数
y = tf.nn.softmax(tf.matmul(x, W) + b)
# 定义输出变量
y_ = tf.placeholder(tf.float32, [None, 10])
# 定义成本函数
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
# 定义优化函数
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
# 初始化变量
init = tf.global_variables_initializer()
# 定义会话
sess = tf.Session()
# 运行初始化
sess.run(init)
# 定义模型保存对象
saver = tf.train.Saver()
# 循环训练1000次
for i in range(1000):
batch_xs, batch_ys = mnist.train.next_batch(100)
sess.run(train_step, feed_dict={x: batch_xs, y_:batch_ys})
print("训练完成!")
# 创建模型保存目录
model_dir = "mnist"
model_name = "ckp"
if not os.path.exists(model_dir):
os.mkdir(model_dir)
# 保存模型
saver.save(sess, os.path.join(model_dir, model_name))
print("保存模型成功!")

模型使用

模型恢复与使用代码如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
#!/usr/bin/env python
# 导入mnist数据库
from tensorflow.examples.tutorials.mnist import input_data
mnist=input_data.read_data_sets("MNIST_data",one_hot=True)
import tensorflow as tf
# 创建会话
sess = tf.Session()
# 定义输入变量
x = tf.placeholder(tf.float32, [None, 784])
# 定义参数
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
# 定义模型和激励函数
y = tf.nn.softmax(tf.matmul(x, W) + b)
# 定义模型保存对象
saver = tf.train.Saver([W, b])
# 恢复模型
saver.restore(sess, "mnist/ckp")
print("恢复模型成功!")
# 取出一个测试图片
idx=0
img = mnist.test.images[idx]
# 根据模型计算结果
ret = sess.run(y, feed_dict = {x : img.reshape(1, 784)})
print("计算模型结果成功!")
# 显示测试结果
print("预测结果:%d"%(ret.argmax()))
print("实际结果:%d"%(mnist.test.labels[idx].argmax()))

附件:

训练脚本:mnist_train.py
测试脚本:mnist_test.py