Метод read класса Checkpoint

Метод read класса Checkpoint читает ранее сохраненную контрольную точку и возвращает словарь, в котором ключами являются имена переменных, а значениями - восстановленные тензоры. Первым параметром метод принимает путь к контрольной точке без префикса, вторым - необязательный параметр options с настройками чтения.

Синтаксис

tf.train.Checkpoint.read(save_path, [options])

Пример

Давайте создадим контрольную точку с переменной и прочитаем ее с помощью метода read:

import tensorflow as tf

t = tf.Variable([1, 2, 3, 4, 5], name='t')
ckpt = tf.train.Checkpoint(t=t)
save_path = ckpt.save('/tmp/model.ckpt')
print(save_path)

res = ckpt.read('/tmp/model.ckpt')
print(res)

Результат выполнения кода:

"/tmp/model.ckpt-1"
{"t": <tf.Tensor: shape=(5,), dtype=int32, numpy=array([1, 2, 3, 4, 5], dtype=int32)>}

Пример

Давайте восстановим значения переменных из контрольной точки и присвоим их объектам:

import tensorflow as tf

t = tf.Variable([1, 2, 3, 4, 5], name='t')
ckpt = tf.train.Checkpoint(t=t)
ckpt.save('/tmp/model.ckpt')

t.assign([0, 0, 0, 0, 0])
print(t.numpy())

res = ckpt.read('/tmp/model.ckpt')
ckpt.restore(res)
print(t.numpy())

Результат выполнения кода:

[0 0 0 0 0]
[1 2 3 4 5]

Пример

Давайте прочитаем контрольную точку, содержащую несколько переменных, и выведем их значения:

<+python+> import tensorflow as tf a = tf.Variable([1, 2, 3], name='a') b = tf.Variable([4, 5, 6], name='b') ckpt = tf.train.Checkpoint(a=a, b=b) ckpt.save('/tmp/model.ckpt') res = ckpt.read('/tmp/model.ckpt') for name, value in res.items(): print(name, value.numpy()) <-python+>

Результат выполнения кода:

a [1 2 3]
b [4 5 6]

Смотрите также

класс Checkpoint,
который управляет сохранением и восстановлением состояния
метод save,
который сохраняет контрольную точку на диск
метод restore,
который восстанавливает значения переменных из контрольной точки
метод read,
который читает контрольную точку и возвращает словарь значений