tensorflow模型的保存与恢复

1. 什么是Tensorflow模型？

https://my.oschina.net/u/2272631/blog/1556094

训练神经网络后，需要将它保存以备将来使用和部署到生产环境。那么什么是tensorflow模型?  

Tensorflow模型主要包含NN的网络图和已经训练好的变量参数，因此，Tensorflow模型有两个主要的文件：

1. 元数据图（meta graph）

这是一个协议缓冲区，它保存了tensorflow完整的网络图结构，即所有变量、操作、集合等。这个文件以.META为扩展名。

1. 检查点文件（checkpoint file）

这是一个二进制文件，它包含了所有的权重变量，biases变量和其他变量的值。在0.11版本之后，包含三个文件

checkpoint

my_model.data-00000-of-00001

my_model.index

.data文件是包含我们训练变量的文件；与此同时，Tensorflow也有一个名为checkpoint的文件。它只是不断的保存最新的检查点文件的记录。

 

2. 保存Tensorflow模型

训练图像分类的CNN，作为一种标准的做法，在训练模型时，需要一直关注着模型的损失函数和模型的准确度。一旦发现网络已经收敛，就可以停止训练。训练完成后，希望将所有的变量和网络模型保存下来，供以后使用。在tensorflow中，使用tf.train.Saver() 来保存NN的网络结构图和相关变量。

saver = tf.train.Saver()

需要注意，tensorflow变量的作用范围是在一个session里面。在保存模型的时候，应该在session里面通过save方法保存。

saver.save(sess, 'my-test-model')

一个完整的模型保存：

import tensorflow as tf

w1 = tf.Variable(tf.random_normal(shape=[2]), name='w1')

w2 = tf.Variable(tf.random_normal(shape=[5]), name='w2')

saver = tf.train.Saver()

sess = tf.Session()

sess.run(tf.global_variables_initializer())

saver.save(sess, 'saved_model/my_test_model')

其中，saved_model是保存模型的文件路径，my_test_model是模型的名称，文件保存结果示意图：

 

如果希望在迭代