主要介绍了tensorflow模型的save与restore,及checkpoint中读取变量方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

创建一个NN import tensorflow as tf import numpy as np #fake data x = np.linspace(-1, 1, 100)[:, np.newaxis] #shape(100,1) noise = np.random.normal(0, 0.1, size=x.shape) y = np.power(x, 2) + noise #shape(100,1) + noise tf_x = tf.placeholder(tf.float3

TensorFlow 模型保存/载入 我们在上线使用一个算法模型的时候，首先必须将已经训练好的模型保存下来。tensorflow保存模型的方式与sklearn不太一样，sklearn很直接，一个sklearn.externals.joblib的dump与load方法就可以保存与载入使用。而tensorflow由于有graph, operation 这些概念，保存与载入模型稍显麻烦。 一、基本方法 网上搜索tensorflow模型保存，搜到的大多是基本的方法。即 保存 定义变量 使用sav