第二章：新版tensorflow入门，使用检查点保存模型

1、概述

和老版本的tensorflow一样，模型需要进行保存，而且这种保存方式是周期性的。因为在很多情况下，梯度会在局部最小值左右进行摇摆，也就是说，在很多情况下，最后一次训练的模型不见得是最优化的。

2、保存模型

我们可以在构建模型时，制定检查点保存的位置，首先我们可以用下面命令创建一个文件夹。

可以在构建模型时加入参数

classifier = tf.estimator.DNNClassifier(
    feature_columns=my_feature_columns,
    hidden_units=[10, 10],
    n_classes=3,
#   指定模型（检查点存放位置）  
    model_dir='./checkpoint')

在训练模型之后可以在相应的文件夹看到下面的文件：

默认情况下，只保存了第一次和最后一次的模型，另外除了在改文件夹中保存模型外，事件文件也被记录在该文件夹中。这与老版本的tensorflow有些不同。