主要为大家详细介绍了TensorFLow用Saver保存和恢复变量，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

在实践中经常会遇到这样的情况： 1、用简单的模型预训练参数 2、把预训练的参数导入复杂的模型后训练复杂的模型 这时就产生一个问题： 如何加载预训练的参数。 下面就是我的总结。 为了方便说明，做一个假设：简单的模型只有一个卷基层，复杂模型有两个。 卷积层的实现代码如下： import tensorflow as tf # PS：本篇的重担是saver，不过为了方便阅读还是说明下参数 # 参数 # name：创建卷基层的代码这么多，必须要函数化，而为了防止变量冲突就需要用tf.name_scope

本文为大家分享了TensorFLow用Saver保存和恢复变量的具体代码，供大家参考，具体内容如下 建立文件tensor_save.py, 保存变量v1,v2的tensor到checkpoint files中，名称分别设置为v3,v4。 import tensorflow as tf # Create some variables. v1 = tf.Variable(3, name="v1") v2 = tf.Variable(4, name="v2") # Create model y=tf