每调用一次保存操作会创建后3个数据文件并创建一个检查点（checkpoint）文件，简单理解就是权重等参数被保存到 .chkp.data 文件中，以字典的形式；图和元数据被保存到 .chkp.meta 文件中，可以被 tf.train.import_meta_graph 加载到当前默认的图 。
（二）通过keras保存和读取模型
model.save(filepath），同时保存model和权重的import numpy as npfrom keras.datasets import mnistfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Densefrom keras.optimizers import SGD# 载入数据(x_train,y_train),(x_test,y_test) = mnist.load_data()# (60000,28,28)print('x_shape:',x_train.shape)# (60000)print('y_shape:',y_train.shape)# (60000,28,28)->(60000,784)x_train = x_train.reshape(x_train.shape[0],-1)/255.0x_test = x_test.reshape(x_test.shape[0],-1)/255.0# 换one hot格式y_train = np_utils.to_categorical(y_train,num_classes=10)y_test = np_utils.to_categorical(y_test,num_classes=10)# 创建模型，输入784个神经元，输出10个神经元model = Sequential([ Dense(units=10,input_dim=784,bias_initializer='one',activation='softmax') ])# 定义优化器sgd = SGD(lr=0.2)# 定义优化器，loss function，训练过程中计算准确率model.compile( optimizer = sgd, loss = 'mse', metrics=['accuracy'],)# 训练模型model.fit(x_train,y_train,batch_size=64,epochs=5)# 评估模型loss,accuracy = model.evaluate(x_test,y_test)print('test loss',loss)print('accuracy',accuracy)# 保存模型model.save('model.h5')【如何导出python中的模型参数？这篇文章教给你两个方法】以上就是小编给大家带来的导出python中的模型参数的方法，希望大家通过阅读小编的文章之后能够有所收获！如果大家觉得小编的文章不错的话，可以多多分享给有需要的人 。
推荐阅读
- Python程序导入caffe失败怎么办？caffe怎么正常使用
- python可以开发微信么？这篇文章告诉你答案
- mongodb如何做主从？这篇文章通过实测的方法告诉你
- Python怎么连接到mysql数据库？连接代码怎么写
- Python爬虫抓取内容输出中文乱码怎么办？三行代码解决
- 京东采购账号如何注册？用户需要哪些条件？
- 京东如何开通运费险？理赔有哪些？
- 京东新店会被抽检吗？如何申请复检？
- 天猫超市如何补单？技巧有哪些？
- 淘宝刷到单退款如何处理？如何避免？