如何将numpy数组另存为Tensorflow变量

Question

我正在做一些计算，我想将结果矩阵存储为变量，我可以在其他地方恢复和重复使用它。这是我的计算...

# Initializing the variables.
init = tf.global_variables_initializer()

saver = tf.train.Saver()

with tf.Session() as sess:

    sess.run(init)

    total_batch = int(features.train.num_examples/100)

    train_images = []

    for i in range(total_batch):

        batch_xs, batch_ys = features.train.next_batch(100)

        batch_xs = sess.run(tf.reshape(batch_xs, [100, 28, 28, 1]))

        train_images.append(batch_xs)

    train_images = np.array(train_images)

    # save model
    save_path = saver.save(sess, "/tmp/parsed_data.ckpt")

train_images是一个numpy数组。我希望能够将其存储到Tensorflow变量中，然后保存模型，以便可以在另一个Tensorflow脚本中使用该变量。我怎样才能做到这一点？另外请注意，numpy数组的形状为(550, 100, 28, 28, 1)。

我找到了本教程https://learningtensorflow.com/lesson4/，但它不是很有用，因为place_holders无法保存。

Answer 1

train_images首先将numpy数组另存为numpy。使用以下代码：

np.save('train_image.npy', train_images)

在另一个脚本中加载numpy数组时，请使用该tf.stack函数。下面给出一个示例-

import tensorflow as tf
import numpy as np

array = np.load('train_images.npy')
tensor = tf.stack(array)