#python #tensorflow #tensorflow2.0
#python #тензорный поток #tensorflow2.0
Вопрос:
Я изучал Tensorflow2 несколько месяцев, но столкнулся с некоторыми трудностями.Например, я создаю один тензор, подобный:
import tensorflow as tf
v=tf.random.normal((20,30,40))
Теперь я просто хочу сохранить tensor v в подходящий файл.На самом деле,v создается из данных .nc.Я использую пакеты «netCDF4», чтобы прочитать его и выбрать некоторые переменные, размеры которых равны (time, lon, широта), чтобы объединить их в v с размерами (time, lon, широта, var_num).
Но размер v большой (например, (1000,224,224,5)).Итак, мне нужно сохранить v на случай многократного чтения netcdf. Я ищу несколько вопросов, но мало что может мне помочь, потому что они касаются либо сохранения переменных в tf1.X, либо сохранения моделей (или переменных в моделях) в tf 2.
Итак, я прихожу сюда и обращаюсь за помощью к красивым людям.Заранее большое спасибо.
Ответ №1:
Вы все еще можете использовать формат сохраненной модели для хранения одного tf.Variable
Вы бы просто записали v
в tf.Variable
, а затем передали это в tf.saved_model.save
.
Может быть, что-то вроде этого:
v=tf.Variable(tf.random.normal((20,30,40)))
tf.saved_model.save(v, '/path/to/my_var')
затем снова загрузить из сохраненной версии:
v_from_file = tf.saved_model.load('/path/to/my_var')
Комментарии:
1. Большое спасибо. С вашими методами я решил свою проблему! Возможно, раньше это была моя ошибка, что save_model используется только в моделях ~
2. @janeasefor для моего удовольствия. Рад, что это решено. 🙂 Если бы мое решение помогло, возможно, вы бы подумали о принятии и / или повышении его
3. Хорошо! Сейчас моя репутация составляет менее 15. Однажды, при достижении порогового значения, я вернусь, чтобы проголосовать за ваш ответ.
4. Примечание: Это работает только в режиме ожидания. Не в графическом режиме внутри отслеживаемой @tf.функции.