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。