Метод restore класса Checkpoint

Метод restore класса Checkpoint восстанавливает значения отслеживаемых объектов из сохраненного чекпоинта. Первым параметром метод принимает путь к чекпоинту, вторым - необязательный объект сессии.

Синтаксис

checkpoint.restore(save_path)

Пример

Давайте создадим чекпоинт с переменной, сохраним ее, а затем восстановим в новую переменную:

import tensorflow as tf

# create and save a variable
v1 = tf.Variable([1, 2, 3, 4, 5], name='v1')
ckpt = tf.train.Checkpoint(v1=v1)
save_path = ckpt.save('./model.ckpt')
print("saved:", save_path)

# restore into a new variable
v2 = tf.Variable([0, 0, 0, 0, 0], name='v2')
ckpt2 = tf.train.Checkpoint(v1=v2)
ckpt2.restore(save_path)
print(v2)

Результат выполнения кода:

saved: ./model.ckpt-1
<tf.Variable 'v2:0' shape=(5,) dtype=int32, numpy=array([1, 2, 3, 4, 5], dtype=int32)>

Пример

Давайте восстановим состояние нескольких переменных из одного чекпоинта:

import tensorflow as tf

# create and save two variables
a = tf.Variable([1, 2, 3], name='a')
b = tf.Variable([4, 5, 6], name='b')
ckpt = tf.train.Checkpoint(a=a, b=b)
save_path = ckpt.save('./model.ckpt')
print("saved:", save_path)

# restore into new variables
a2 = tf.Variable([0, 0, 0], name='a2')
b2 = tf.Variable([0, 0, 0], name='b2')
ckpt2 = tf.train.Checkpoint(a=a2, b=b2)
ckpt2.restore(save_path)
print(a2)
print(b2)

Результат выполнения кода:

saved: ./model.ckpt-1
<tf.Variable 'a2:0' shape=(3,) dtype=int32, numpy=array([1, 2, 3], dtype=int32)>
<tf.Variable 'b2:0' shape=(3,) dtype=int32, numpy=array([4, 5, 6], dtype=int32)>

Пример

Давайте восстановим переменные внутри модели Keras:

import tensorflow as tf

# create and save a model
model = tf.keras.Sequential([
	tf.keras.layers.Dense(2, input_shape=(3,))
])
model.compile(optimizer='sgd', loss='mse')
ckpt = tf.train.Checkpoint(model=model)
save_path = ckpt.save('./model.ckpt')
print("saved:", save_path)

# create a new model and restore weights
model2 = tf.keras.Sequential([
	tf.keras.layers.Dense(2, input_shape=(3,))
])
model2.compile(optimizer='sgd', loss='mse')
ckpt2 = tf.train.Checkpoint(model=model2)
ckpt2.restore(save_path)
print(model2.weights[0])

Результат выполнения кода:

saved: ./model.ckpt-1
<tf.Variable 'dense_1/kernel:0' shape=(3, 2) dtype=float32, numpy=
array([[...]], dtype=float32)>

Смотрите также

класс Checkpoint,
который управляет сохранением и восстановлением состояния
метод save,
который сохраняет состояние в чекпоинт
метод read,
который читает значения из чекпоинта
метод restore,
который восстанавливает значения из чекпоинта