如何在Tensorflow中保存和恢复分区变量
在TensorFlow中，可以使用tf.train.Saver类来保存和恢复分区变量。分区变量是指将变量分成多个部分存储在不同的文件中，这对于大型模型和分布式训练非常有用。
保存分区变量的步骤如下：
- 定义变量并将其分区：在定义变量时，使用tf.get_variable函数并设置partition参数，将变量分成多个部分。例如，可以将一个变量分成两个部分：var1 = tf.get_variable("var1", shape=[10, 10], partitioner=tf.fixed_size_partitioner(2))
- 创建Saver对象：使用tf.train.Saver()创建一个Saver对象，用于保存和恢复模型。saver = tf.train.Saver()
- 保存模型：在训练过程中，使用saver.save函数保存模型。指定保存路径和文件名，可以使用.ckpt作为文件扩展名。saver.save(sess, "path/to/model.ckpt")
恢复分区变量的步骤如下：
- 定义变量并将其分区：在定义变量时，使用相同的分区策略将变量分成相同的部分。var1 = tf.get_variable("var1", shape=[10, 10], partitioner=tf.fixed_size_partitioner(2))
- 创建Saver对象：使用tf.train.Saver()创建一个Saver对象，用于保存和恢复模型。saver = tf.train.Saver()
- 恢复模型：在恢复模型之前，需要先创建一个会话并初始化变量。sess = tf.Session() sess.run(tf.global_variables_initializer())然后使用saver.restore函数恢复模型。指定模型路径和文件名，可以使用.ckpt作为文件扩展名。saver.restore(sess, "path/to/model.ckpt")
以上是在TensorFlow中保存和恢复分区变量的基本步骤。分区变量的优势在于可以更好地管理大型模型和分布式训练，提高训练效率和灵活性。
在腾讯云产品中，推荐使用TensorFlow Serving来部署和提供模型服务。TensorFlow Serving是一个开源的模型服务系统，可以轻松部署训练好的TensorFlow模型，并提供高性能的模型服务。您可以通过腾讯云的TensorFlow Serving产品页面了解更多信息：TensorFlow Serving
相关·内容
我已经开始探索TensorFlow库，并尝试使用MNIST数据的图像分类。我希望模型在培训阶段结束后存储在一个文件中，这样我就可以在需要时使用它。我检查了，它告诉我们如何将值从TensorFlow保存到任何文件中，并读取它。到目前为止，我能够按照链接中的建议使用泡菜将脚本中的一些变量保存到文件中。但是，我无法理解需要在文件中保存什么来存储模型的当前状态以供以后使用。拜托，有人可以用例子来解释这个部分，比如存储模型和加载模型。
浏览 13提问于2017-02-21得票数 0
回答已采纳
我很难恢复一个保存下来的模型。我正在MNIST数据集上训练CNN，所有这些都是根据MNIST关于的教程进行的，我正在用以下代码保存我的模型：
saver.save(sess, './Tensorflow_MNIST', global_step=max_steps)
这将创建以下文件：
Tensorflow_MNIST-1000数据-00000-00001
Tensorflow_MNIST-1000指数
Tensorflow_MNIST-1000元
检查点
稍后，我希望加载该模型并继续使用以下内容进行培训：
with tf.Session() as ses
浏览 0提问于2017-05-10得票数 2
1回答
这里有四个变量:伽马，贝塔，平均移动平均，方差移动平均。
是否有必要对移动平均值进行快照，并在测试时加载它们？
一个更好的问题是：
对于tensorflow中的批处理规范化的，是否需要将批处理均值和批变量从培训时间转移到测试时间？如果是这样的话，我如何才能在tensorflow中实现这一点？
浏览 1提问于2016-02-26得票数 0
回答已采纳
我想使用tf.train.Saver()来创建张量的检查点，下面是我的代码片段：
import tensorflow as tf
with tf.Graph().as_default():
var = tf.Variable(tf.zeros([10]), name="biases")
temp = tf.add(var, 0.1)
init_op = tf.global_variables_initializer()
saver = tf.train.Saver({'w':temp})
with tf.Sess
浏览 0提问于2017-01-11得票数 3
回答已采纳
1回答
我运行了一个长时间运行的分区大小调整，在我的“主”(根？但不是引导)当发生一些事情时分区。syslog报告说，"gpartedbin调用了oom-杀手“(这很奇怪，因为我除了g期之外没有运行任何东西，但无论如何.)。我怎样才能使我的系统处于稳定状态？
一些细节：
为了至少在一定程度上安全地运行Ubuntu14.04，我在USB驱动器上运行Ubuntu14.04。
但是，我通常从“主”SSD硬盘的' boot‘分区启动Ubuntu14.04。
被中断的操作(在运行几个小时后)是从“主”分区前面删除一个吉字节(与普通引导分区和交换分区相同的SSD驱动器)。
我的首要任务是确保系统处
浏览 0提问于2017-07-30得票数 3
我正在尝试在tensorflow中创建一个卷积神经网络。我已经对它进行了训练，并保存了模型
saver = tf.tain.Saver()
saver.save(sess, "model.ckpt")
然后，我用以下命令恢复了模型
saver.restore(sess, "model.ckpt")
当我尝试预测一个图像的标签时，没有问题。但是当我试图预测两个或更多图像的标签时，网络只预测第一个，然后我得到了一个错误。
以下是训练网络的代码：
import tensorflow as tf
import pickle
import numpy as np
wit
浏览 7提问于2017-07-24得票数 0
我对Tensorflow非常陌生，并试图找到一种使用简单程序保存和恢复稠密层的方法。我使用了以下简单的程序来初始化和保存图表。
from __future__ import absolute_import, division, print_function
import os
import tensorflow as tf
x = tf.constant([[1], [2], [3], [4]], dtype=tf.float32,name = "x" )
y_true = tf.constant([[0], [-1], [-2], [-3]], dtype=tf.flo
浏览 0提问于2018-05-17得票数 0
回答已采纳
我刚刚在我的自定义数据集(1675个训练图像，400个验证图像，2个类)上从头开始训练inceptionv3：
我不知道如何使用我的新训练的模型对我的测试图像进行预测。(在哪里可以将label_image.py指向模型)
我新训练的模特是从哪里得救的？
下面是关于我的设置/运行的一些元数据：
我在train_dir中生成了以下文件：
- events.out.tfevents.1481980070.airig-Inspiron-7559(4.9GB)
- graph.pbtxt(18.5MB)
- and a bunch of **model.ckpt-**_**.meta
浏览 4提问于2016-12-19得票数 5
1回答
我想使用NiftyNet堆栈执行一些传输学习，因为我的标记图像数据集相当小。在TensorFlow中，这是可能的--我可以加载各种预先训练过的网络，并直接使用它们的层。为了对网络进行微调，我可以冻结中间层的训练，只训练最后一层，或者只利用中间层的输出作为特征向量输入到另一个分类器中。
我如何在NiftyNet中做到这一点？文件或源代码中唯一提到的“转移学习”是关于动物园模型的，但是对于我的任务(图像分类)，动物园里没有网络。ResNet体系结构似乎已经实现并可供使用，但据我所知，它还没有经过任何训练。此外，我训练网络的唯一方法似乎是运行net_classify train，使用配置文件中的各种
浏览 0提问于2018-06-08得票数 4
2回答
假设我有一个具有Y层的模型。
我试图通过将Y-1层设置为trainable=False来恢复模型，所以我在定义tf.train.Saver(var_list=list_of_Y-1_layers)时将所有Y-1层(变量名)插入到var_list中，以便可以恢复它们。
我不想恢复最后一层，我想自己训练它，所以如果我把它放在var_list，它会被恢复，如果我不把它放在那里，它在训练期间不会保存在检查点内。
这个变量会保存在其他地方吗？或者我在保存/恢复方面做错了什么？
附注:为了检查是否保存了可训练变量，我使用了在tensorflow/tensorflow/python/tools/inspec
浏览 1提问于2017-10-11得票数 0
我发现在Tensorflow中保存/恢复模型和变量有不同的方法。这些方式包括：
在tensorflow的文档中，我发现了它们之间的一些差异：
tf.saved_model是tf.train.Saver的薄包装器
tf.train.Checkpoint支持急切的执行，但tf.train.Saver 不支持。
tf.train.Checkpoint不创建.meta文件，但仍然可以加载图形结构(这里有一个大问题！)它如何做到这一点？)
tf.train.Checkpoint如何在没有.meta文件的情况下加载图形？或者更广泛地说，tf.train.Sav
浏览 2提问于2018-12-01得票数 2
回答已采纳
我有一个默认图和一个新创建的图(G1)。
在G1中，我有一个名为"a“的变量。
我可以使用tf.import_graph_def将G1包含到主图上，并公开它的"a“变量。
如何初始化此变量并成功打印"a“?的值
以下是实际代码：
import tensorflow as tf
INT = tf.int32
def graph():
g = tf.Graph()
with g.as_default() as g:
a = tf.get_variable('a', [], INT, tf.constant_initial
浏览 4提问于2017-10-23得票数 3
回答已采纳
我的电脑上安装了windows 8，并且有四个分区。我安装了Ubuntu。没有在分区中安装Ubuntu，而是格式化了other硬盘驱动器，只制作了一个驱动器，所有其他数据都消失了。我想恢复那些文件，我该怎么做呢？
浏览 0提问于2014-05-22得票数 -1
我正在通过huggingface使用transformers库。 他们在Tensorflow 2.0中为许多架构提供了预先训练的模型。我想在TPU上使用这些模型进行预测。由于TensorFlow2.0的TPU API仍处于实验阶段，因此我想在TensorFlow1.x中实现它 有没有办法将预先训练好的模型从TensorFlow2.0转换到TensorFlow1.x，反之亦然？ TensorFlow2.0的TPUE API描述如下：https://www.tensorflow.org/guide/distributed_training#tpustrategy，目前仍处于实验阶段，尚未共享合适
浏览 31提问于2019-10-01得票数 0
回答已采纳
1回答
我正在运行tensorflow object_detection模型的model_main.py。我想知道哪个.py文件包含代码，模型在哪里检查'mode_dir‘中的现有检查点，以及模型如何知道从保存的最新检查点加载/启动。 我检查了model_lib.py，但还不能弄清楚。
浏览 13提问于2019-06-15得票数 0
3回答
我用tensorflow工具编写了神经网络。一切正常，现在我想导出我的神经网络的最终权重，以做出一种单一的预测方法。我该怎么做？
浏览 2提问于2016-12-08得票数 5
回答已采纳
为了便于讨论，简化了以下模型.
假设在我的训练集中大约有40,000,512x512图像。我正在努力实施预培训，我的计划如下：
1.训练获取256x256图像的神经网络( net_1)，并将训练后的模型保存为tensorflow检查点文件格式。
net_1: input -> 3 conv2d -> maxpool2d -> 2 conv2d -> rmspool -> flatten -> dense
让我们将此结构称为net_1_kernel：
net_1_kernel: 3 conv2d -> maxpool2d -> 3 conv2d
并
浏览 0提问于2018-09-12得票数 2
回答已采纳
1回答
我正在尝试使用.ckpt文件恢复模型，该文件是通过在tensorflow/models/embedding中运行word2vec_optimized.py获得的。我不确定如何恢复变量，以便加载模型并使用它，因为所有tf变量都是在tensorflow/models/embedding/word2vec_optimized.py的类中封装和初始化的。任何帮助都将不胜感激。
另外，如果我确实“恢复”了创建的.ckpt，我现在是否拥有一个Wor2Vec实例，或者当我使用.ckpt恢复一个模型时，我实际得到了什么
浏览 0提问于2016-07-18得票数 2
我知道，关于如何在Tensorflow中恢复经过训练的模型，在stack和github等方面有无数的问题。我已经读过大部分了(，，)。
我的问题与3几乎完全相同，但是如果可能的话，我希望以一种不同的方式来解决它，因为我的训练和测试需要在从shell调用的单独脚本中进行，并且我不想添加与在测试脚本中定义图形完全相同的行，所以我不能使用tensorflow标志和其他基于手动重新运行图形的答案。
我也不想手动映射每个变量并手动映射它们，因为我的图很大(使用import_graph_def和参数input_map)。
因此，我运行一些图形，并在特定脚本中对其进行训练。例如(但没有训练部分)
#Scri
浏览 2提问于2016-05-04得票数 6
回答已采纳
我有一份假档案。我只想从一个ckpt检查点文件中得到我训练过的cnn的权重。inception_resnet_v2_2016_08_30
import tensorflow as tf
saver = tf.train.Saver()
sess = tf.Session()
saver.restore(sess, "inception_resnet_v2_2016_08_30.ckpt")
from tensorflow.core.framework import graph_pb2
from tensorflow.core.protobuf import saver_pb2
浏览 4提问于2017-03-20得票数 2
回答已采纳
我正在使用一个大小合理的网络(1个卷积层，2个完全连接的层)。每次我使用tf.train.Saver保存变量时，.ckpt文件的磁盘空间都是半MB (确切地说是512MB)。这是正常的吗？我有一个相同架构的Caffe net，只需要一个7MB的.caffemodel文件。Tensorflow保存如此大的文件大小是否有特殊的原因？
非常感谢。
浏览 2提问于2016-02-11得票数 6
当我试图恢复一个经过训练的评估模型时，我得到了一个错误，但是只有在测试集上进行评估时才会出错。错误是：
InvalidArgumentError: Assign requires shapes of both tensors to match. lhs shape= [2325,11] rhs shape= [4891,11]
注意，lhs形状= 2325,11和rhs形状= 4891,11对应于测试集中的2325幅图像和训练集中的4891幅图像；而11是11个类的一个热编码，因此它们很可能对应于标签。当我在训练集上运行评估时，维度匹配且没有错误结果。我会很感激你的帮助！
下面是完整的堆栈跟踪
浏览 4提问于2017-02-02得票数 0
回答已采纳
1回答
我想知道S有没有人能帮我解决一个具体的问题。我是clonezilla的忠实用户，我必须说我对此非常满意。目前我使用的是“clonezilla-live-20160210-wily 64”。最近，我不得不回放一个系统备份，这是我在两周前创建的。一切顺利。
另外:由于我有两个分区(/和/home)，我首先备份了我当前/主分区，因此作为第二步，我随后播放了我的/home分区。
我意识到在做磁盘备份时，clonezilla分两个步骤完成:第一个是我/-分区，第二个是我/主分区。
我现在的问题是:有没有人知道S是否有可能只回放我的/家庭分区，如果需要的话，我只有一个可用的磁盘备份(包括/和/home-分
浏览 0提问于2016-10-02得票数 0
1回答
我继承了一个带有Windows 10和Ubuntu18.04.4的双启动笔记本电脑。我想从Windows分区中窃取以增加Ubuntu /分区的大小。我跑着葛雷德去看碟景：
📷
分区sda3是Windows。
但是sda4是什么呢？它是ntfs，所以大概是Windows做的。我如何安装它，看看它是什么，以防它是关键的？如果可能的话，最好把它处理掉。
分区sda5是Ubuntu。
分区sda6也是ntfs，但它用于什么？我能为Ubuntu狼吞虎咽吗？任何关于聚合所有松散分区供Ubuntu使用的提示都会让我带着喜悦和感激之情一跃而起。
浏览 0提问于2020-03-28得票数 0
我使用tf.train.Supervisor来微调tensorflow中的一个基本模型。以下是相关代码。
sv = tf.train.Supervisor(
logdir=args.checkpoint_dir,
save_summaries_secs=args.summary_interval,
save_model_secs=args.checkpoint_interval,
init_fn=load_initial_weights_insess)
#using moving average to update loss and psnr
upd
浏览 0提问于2018-05-14得票数 1
4回答
我有一个Ubuntu12.04钥匙。它在突然停电后损坏，我无法打开我的桌面会话。然后，我尝试使用Ubuntu的生活CD，但它不能安装我的驱动器。
我尝试了一些命令，这是我的朋友们建议的，比如fsck等等。
我的车里有一块很糟糕的超级路障，但都是徒劳的。我突然错误地删除了我的分区。我不懂分区。
我给了一个专业的修理，感谢Windows 8 Pro安装在我的设备上，通过创建新的分区。我还能取回我的数据吗？
浏览 0提问于2013-01-04得票数 2
和咖啡馆一样，互联网上也有一些经过预先训练的TensorFlow模型。然而，与TensorFlow不同的是，Caffe的模型总是伴随着一个指示网络结构和层名的.prototxt文件，而Caffe依赖Python代码来定义神经网络。同时，由于variable_scope的存在，对于TensorFlow中的变量，它的名称可能会很长。这使得通过名称查找特定变量变得非常困难。那么，如果我从互联网上下载了一个预先训练好的TensorFlow模型，而没有网络结构python代码，我如何将它用于我自己的项目呢？
浏览 2提问于2017-07-19得票数 2
1回答
我的计算机的一些信息: system: Windows10.IDE: Spyder3(Anaconda/python3.5.2)。TensorFlow版本: r1.1(cpu)
以下是我的问题：
在我训练我的CNN模型(training.py)之后。我使用tf.train.Saver保存模型变量。我希望在另一个文件(testing.py)中恢复它们，以测试测试数据集。我已经尝试过很多次了，但是一直没有恢复变量。例如，我尝试了一个示例(两个file:save.py和restore.py)：
import tensorflow as tf
w1 = tf.Variable(tf.random_no
浏览 3提问于2017-06-13得票数 0
回答已采纳
从检查点恢复失败。这很可能是由于检查点中缺少的变量名称或其他图形键造成的。请确保您没有根据检查点更改预期的图形。原始错误：
在检查点[节点保存_1/RestoreV2 2(定义在Programing\web_programing\django\django-vegiter\predict\views.py:20)上)]中找不到密钥bias_1
回溯
saver.restore(sess, save_path)
…
err, "a Variable name or other graph key that is missing")
在Python虚拟环境中运行
Django
浏览 1提问于2019-09-07得票数 0
回答已采纳
我是tensorflow的初学者，所以如果这是一个愚蠢的问题，答案是显而易见的，请原谅。
我已经创建了一个Tensorflow图，从X和Y的占位符开始，我优化了一些代表我的模型的张量。图的一部分是可以计算预测向量的部分，例如，对于线性回归，例如
y_model = tf.add(tf.mul(X,w),d)
y_vals = sess.run(y_model,feed_dict={....})
训练完成后，我有了可接受的w和d值，现在我想保存我的模型供以后使用。然后，在不同的python会话中，我希望恢复模型，以便可以再次运行
## Starting brand new python sess
浏览 1提问于2016-07-29得票数 10
1回答
我已经使用Tensorflow训练了语言模型，如本所示
为了进行训练，我使用了以下命令。
bazel-bin/tensorflow/models/rnn/ptb/ptb_word_lm --data_path=./simple-examples/data/ --model small
训练是成功的，最后的o/p如下。
Epoch: 13 Train Perplexity: 37.196
Epoch: 13 Valid Perplexity: 124.502
Test Perplexity: 118.624
但我仍然对训练模型存储在哪里以及如何使用它感到困惑。
浏览 9提问于2015-11-29得票数 2
1回答
从Tensorflow的文档来看，似乎有大量使用Tensorflow模型“运行”、服务、测试和预测的选项。我做了一个非常类似于MNIST的模型，它从图像中输出一个分布。对于初学者来说，-- --什么是最简单的方式来拍摄一张或几张图片，然后通过模型发送它们，得到输出预测？，这主要是为了实验目的。很抱歉，如果这是多余的，但我的所有研究已经导致了这么多不同的方式来做这件事，而文档并没有提供任何关于不同方法的利弊的信息。谢谢
浏览 0提问于2018-02-10得票数 0
回答已采纳
1回答
我想在训练后恢复tensorflow模型。我知道我可以使用tf.train.Saver，但是问题出在恢复上，因为我把get_tensor_by_name的名字搞混了。有人能帮我吗？这是我的图表：
x_hat = tf.placeholder(tf.float32, shape=[None, dim_img], name='input_img')
x = tf.placeholder(tf.float32, shape=[None, dim_img], name='target_img')
# dropout
keep_prob = tf.placeholder
浏览 0提问于2018-05-03得票数 0
Tensorflow解释说，模型：.ckpt或.hdf5或.pb。这里有很多文档，所以最好能更简单地比较什么时候使用哪种文件格式。
以下是我目前的理解：
ckpt
来自
检查点捕获模型使用的所有参数(tf.Variable对象)的确切值。检查点不包含模型定义的计算的任何描述，因此通常只有在使用保存的参数值的源代码可用时才有用。
因此，当您知道源代码将相同时，似乎应该在培训期间使用cpkt进行检查点。为什么推荐它而不是.pb和.hdf5呢？它能节省空间吗？它是否包括其他文件格式不包含的数据？
pb
也来自
另一方面，SavedModel格式除了参数值(检查点)外，还包括模型定义的计算的
浏览 7提问于2020-01-23得票数 15
有许多方法可以保存模型及其权重。当我们可以阅读和比较它们的属性的方法如此之多，而不是任何来源时，这是令人困惑的。
我知道的一些格式是：
YAML文件-结构
仅JSON文件-结构
H5完全模型- Keras
仅限H5权重- Keras
ProtoBuf -使用TensorFlow服务进行部署
泡菜-科学-学习
学习-取代Pickle，用于包含大数据的对象。
讨论：
与scikit学习不同，Keras不建议您使用泡菜保存模型。相反，模型被保存为HDF5文件。HDF5文件包含所需的一切，您不仅需要加载模型来进行预测(即架构和经过训练的参数)，还需要重新启动培训(即
浏览 0提问于2020-04-09得票数 7
我有一个在Tensorflow r0.12中训练过的模型，它使用SaverV2创建检查点文件。我的模型是一个利用tensorflow.python.ops的rnn_cell和rnn_cell.GRUCell的RNN。自更改为1.0以来，这个包已经根据在tensorflow.contrib.rnn.python.ops中移动到了core_rnn_cell_impl
我从运行tf_update.py文件以将我的文件更新到新的修订版。但是，自从更新后，我的旧检查点文件就不起作用了。似乎新的GRUCell实现所需的一些变量不存在或具有不同的名称。
示例错误(有132个这样的错误)：
2017-02-2
浏览 2提问于2017-02-23得票数 2
回答已采纳
1回答
最近，我正在Ubuntu中的Gparted中探索我的驱动器分区，这时我看到了以下内容：
📷
为什么我有这么多分区？我最初只有5 (C:/、Recovery和其他3种；我用Windows 10进行双引导)，然后我安装了Ubuntu，我应该有另外2种，一种是ext4类型，另一种是Linuxswap。
sda1、sda2、sda4、sda8和未分配分区从何而来？我能甩掉他们吗？我应该吗？
浏览 0提问于2018-02-12得票数 0
文档指出，keras.model.save("model_name")将以两个文件的形式保存模型(1) saved_model.pb -包含配置和(2) variables -包含模型权重。 从tensorflow的对象检测api下载的模型也具有此文件。因此，当我使用此目录加载模型时， keras.models.load_model("/content/ssd_mobilenet_v1_fpn_640x640_coco17_tpu-8/saved_model") 我遇到了这样的错误 /usr/local/lib/python3.6/dist-packages/
浏览 70提问于2020-09-21得票数 1
我想在Linux上运行Pycharm中的Tensorflow GPU。
我试过像这样的向导
我运行这段代码
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
我有这个错误
Traceback (most recent call last):
File "/home/alex/anaconda3/envs/TfTestGPU/lib/python3.6/site-packages/tensorflow/python/pywrap_tensorf
浏览 0提问于2019-04-06得票数 2
1回答
我想训练我的Tensorflow模型，冻结快照，然后用新的输入数据以前馈模式(没有进一步的训练)运行它。问题：
tf.train.export_meta_graph和tf.train.import_meta_graph是正确的工具吗？
我是否需要在collection_list中包括我想要包含在快照中的所有变量的名称？(对我来说，最简单的方法就是把一切都包括进去。)
Tensorflow文档说：“如果没有指定collection_list，那么模型中的所有集合都将被导出。”这是否意味着如果我在collection_list中没有指定变量，那么模型中的所有变量都会被导出，因为它们在默
浏览 1提问于2016-10-01得票数 8
回答已采纳
我已经训练了许多子模型，每个子模型都是最后一个模型的一部分。然后，我想使用这些预先训练好的子模型来初始化最后一个模型的参数。我尝试使用SessionRunHook加载其他ckpt文件的模型参数，以初始化最后一个模型的参数。我尝试了以下代码，但失败了。希望能有一些建议。谢谢!错误信息为：
Traceback (most recent call last):
File "train_high_api_local.py", line 282, in <module>
tf.app.run()
File "/Users/zhouliaoming/an
浏览 141提问于2018-03-28得票数 0
回答已采纳
1回答
我知道有一些方法可以用Ubuntu工具安全地擦除整个SSD，但是我的用法是只删除SSD的一个分区，因为我想卖掉我的旧笔记本，并且需要确保SSD的恢复分区没有被删除，这样买方就可以重新安装笔记本(工厂设置和操作系统)。
Ubuntu工具可以做到这一点吗？如果不是的话，Gparted可能是清除分区的第二个最佳选项吗？(笔记本上没有存储超灵敏数据)
浏览 0提问于2022-05-27得票数 3
回答已采纳
我是个新手，一直在学习。最近，我在我的ubuntu盒中安装了第二个硬盘。有一个大约160克运行的ubuntu12.04。新的hdd是1TB，用来保存视频。我想我已经把第二辆车设为ext3了。并在上面设置文件夹来保存视频。效果很好。
我还以为我已经为汽车安装好了。我能在上面读和写。等。电脑结冰了，所以必须重新启动它。当我这样做时，系统不会重新启动:挂在Ubuntu屏幕上，上面有5个点。我按了几个按钮，命令屏幕出现了，表明我的第二个硬盘不会挂载。封锁了整个系统。试着重新启动，不去。
不得不在第一盘重新安装ubuntu。显然没有接触到第二个。嗯，当我启动和运行，我的第二个硬盘自动安装(耶！)，但现在
浏览 0提问于2012-09-27得票数 1
我发现TensorFlow支持各种模型文件，.ckpt, .meta, .pb 1)现在我有了一个resnet50机型，.ckpt为102MB，.pb为459KB，如何使用TensorFlow加载到内存？ 2) Tensorflow支持多少种类型的模型文件？谁能提供一个列表或者像这样的材料(比如1. ckpt+pb 2. frozen.pb 3.meta+？)
浏览 13提问于2019-09-16得票数 0
回答已采纳
如果我在DVD上有一个最新的Ubuntu安装程序的副本，我可以在Ubuntu中运行它吗?或者简单地从它启动，然后可以选择删除窗口和分区，所以我的驱动器上只有Ubuntu没有单独的分区？我在努力摆脱窗户和隔板。我目前正在运行一个双重引导，Ubuntu/windows系统。
浏览 0提问于2014-11-15得票数 2
关于使用检查点文件恢复网络，我有两个问题。我使用恢复我的网络。我只需要我的原始网络的一部分。实际上，我的原始网络由5个卷积(非常小)网络组成，所有这些都连接到最后一个完全连接的大层。我只想要我的5个迷你口罩。我为网络中的每一个变量和每一层定义名称。(我注意到，当我使用日志数据运行tensorboard时，一切正常。这意味着，我有我所有变量和张量的适当名称)
1-我的第一个问题是，当我想在恢复的网络中按名称找到这些变量中的任何一个时，我面临着“没有这个名称的张量”错误。我还用测试了我的检查点文件，在输出中它只返回一个变量：
Variable (DT_INT32) []
在另一种情况下，我用下面的
浏览 35提问于2017-07-10得票数 1
我正在使用Tensorflow + Python。
我很好奇我是否能够发布一个保存下来的Tensorflow模型(架构+经过训练的变量)，而不需要详细的源代码。我知道tf.train.Saver()，但它只保存变量，为了恢复/运行它们，用户需要“定义”相同的体系结构。
仅为测试/运行目的，是否有一种方法可以在没有源代码的情况下发布保存的{architecture+trained变量}，这样用户就可以强制转换查询并获得结果？
浏览 2提问于2016-04-06得票数 2
回答已采纳
1回答
我们如何在不同的机器上保存和加载通用句子编码器模型？ 我使用USE创建了一个Keras模型，并将其保存在机器A上。 from tensorflow.keras.layers import Dense, Dropout, Input
from tensorflow.keras.models import Model, load_model
import tensorflow_hub as hub
import tensorflow as tf
module_url = "/path/on/machine/A/universal-sentence-encoder_4"
emb
浏览 37提问于2021-11-12得票数 0
回答已采纳
使用Tensorflow (特别是tf.contrib.slim)，我们需要校准一些参数来生成我们想要的张板图。
保存摘要间隔对我们来说更加清楚。它节省了价值(或者平均值？)在所提供的时间间隔内图中的一个特定点。
现在，检查点用于保存模型本身，为什么在培训过程中应该需要？模型变了吗..不知道这是怎么回事
浏览 3提问于2017-01-22得票数 2
我想运行一次BasicLSTMCell，获取结果，看看是否可以手动重现结果。但是，我只能执行一次BasicLSTMCell。下面是我的代码：
import tensorflow as tf
BATCH_SIZE = 7
SEQUENCE_LENGTH = 5
VECTOR_SIZE = 3
STATE_SIZE = 4
x = tf.placeholder(tf.float32, [BATCH_SIZE, SEQUENCE_LENGTH, VECTOR_SIZE],
name='input_placeholder')
y = tf.pl
浏览 0提问于2017-09-29得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
