tensorflow读取一个模型后多次使用

训练好一个模型后，将其投入使用，会有在项目初始化后多次加载测试数据的需求，可以采用保存graph的思想实现

（在一个项目中需要加载多个模型同样可用）

另：这条博客接我的上一条https://blog.csdn.net/qq_34470213/article/details/104076898，是在上一个代码的基础上改写的。

1、新建文件test.py，建一个类Model_test，用来保存模型，包括一个初始化方法，用来初始化模型（项目中仅需初始化时调用一次），一个测试调用方法，用来调用模型进行测试（每次测试调用一次）。

class Model_test(): def restore(self): self.model = Model.LeNet5(1, 5) path = "D:/model/model/model.ckpt" self.model.load(path) def restore_test(self, image_path): image = Process.process_one(image_path) sort = self.model.test1(image) return sort

2、在model.py的类中添加初始化函数和测试函数，这里和之前的测试函数的差别在于拆分开了加载和测试的部分，并且将graph和session保存为了类属性变量。

def load(self, model_path): self.graph = tf.Graph() self.sess = tf.Session(graph=self.graph) with self.sess.graph.as_default(): self.sess.run(tf.global_variables_initializer()) self.sess.run(tf.local_variables_initializer()) saver11 = tf.train.import_meta_graph(model_path+'.meta', clear_devices=True) saver11.restore(self.sess, model_path) def test1(self, image): x = tf.placeholder(tf.float32, [None, 64, 64, 1], name='x-input') self.activation = self.graph.get_tensor_by_name('layer6-fc2/add:0') image = np.array(image) / 255.0 image = np.reshape(image, (-1, 64, 64, 1)) logit = tf.arg_max(self.activation, 1) y, label = self.sess.run((self.activation, logit), feed_dict={'x-input:0': image}) return label

3、以上两步就可以成功实现了，调用方法为：

tm = test.Model_test() tm.restore() …… while(True){ sort = tm.restore_test(pathname[i]) } ……