Tensorflow学习笔记：CNN篇（7）——Finetuning，模型的保存与恢复

Tensorflow学习笔记：CNN篇（7）——Finetuning，模型的保存与恢复

---

前序

— 前文，我们介绍了VGGNet的组成结构，并在CIFAR-10数据集上进行了实现，本文着重介绍Finetuning的能力。Finetuning的意思是在已有模型之后进行参数和训练模型复用的缩写，也是真实工程应用中最常用的的是由既有模型的手段。

---

实战Tensorflow模型的存储与恢复

— 随着模型形式的越来越复杂，对模型存储的要求和格式也越来越重要。借鉴敏捷开发的模型，首先对于常用变量的定义，笔者建议使用全部变量进行存储；而对于模型专用的类，也建议创建专门的模型控制。工程文件的分类如图所示：

---

代码示例

Step 1: 全局数据与模型类的定义

首先是对全局数据的定义，对模型的保存和读取来说，存储文件夹是个通用的变量，故在工程目录下新建一个名为global_variable .py文件，定义了文件的存储位置，其内容如下：

save_path = '.\\model\\'

Step 2: 模型的定义

这里定义了一个线性回归模型，在工程目录下新建一个名为lineRegulation_model .py文件，将其定义为类使用，这样做的好处是使用相同的创建方法将类的定义放在不同文件中，也就是在训练模型和