tensorflow 模型的保存

这里用meta,cpkt来重启保存好的模型

import tensorflow as tf

v1 = tf.Variable(tf.constant(1.0,shape=[1]),name='v1')
v2 = tf.Variable(tf.constant(2.0,shape=[1]),name='v2')
result = tf.add(v1,v2)

saver = tf.train.Saver()

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(result))
    saver.save(sess,'Model/model.cpkt')

这里我们要区分节点名称与张量名称, 例如result 是一个节点名称,但是他对应的输出是一个张量,因此它的输出是一个张量.

import tensorflow as tf

saver = tf.train.import_meta_graph('./Model/model.cpkt.meta')

with tf.Session() as sess:
    saver.restore(sess,'./Model/model.cpkt')
    op = tf.get_default_graph().get_operations()
    for key in op:
        print(key.name)
    print(sess.run(tf.get_default_graph().get_tensor_by_name("Add:1")))

这里我们直接用meta图来重启模型，最后来输出结果。这里有两个点。
1.首先，上面我们构建好了图，这里导入的图就是把图填充到默认的图里面，因此我们可以获得图：

graph = tf.get_default_graph()

2.得到输出张量：张量的名称：第几个输出。 "Add:0" 表示Add节点的第一个输出。

补充知识。我们可以输出所有节点名称，这里有几种选择，

          1.得到所有操作名称。
          2.得到所有张量名称。
          3.得到所有节点名称。