Tensorflow中的模型保存与加载

Tensorflow中，模型的保存与加载有多种方法。这篇文章主要是把这些方法整理在一起，方便查看。

TF1.x

保存和加载ckpt格式的模型

一般在训练模型的过程中，需要保存模型和权重，常见的方式是保存为ckpt格式的文件，具体的函数如下：

tf.train.Saver().save(sess,ckpt_file_path,max_to_keep=4,keep_checkpoint_every_n_hours=2) 

再使用类似下面的code来恢复模型：

saver.restore(sess,tf.train.latest_checkpoint('./ckpt'))

使用tf.train.Saver保存和加载模型

（a）保存模型

# 保存模型
import tensorflow as tf

# Create some variables.
v1 = tf.Variable([1,2,3], name='v1', dtype=float)
v2 = tf.Variable([4,5,6,7,8], name='v2', dtype=float)

inc_v1 = v1.assign(v1+1)
dec_v2 = v2.assign(v2-1)

# Add an op to initialize the variables.
init_op = tf.global_variables_initializer()

# Add ops to save and restore all the variables.
saver = tf.train.Saver()

# Later, launch the model, initialize the variables, do some work, and save the
# variables to disk.
with tf.Session() as sess:
  sess.run(init_op)
  # Do some work with the model.
  inc_v1.op.run()
  dec_v2.op.run()
  # Save the variables to disk.
  save_path = saver.save(sess, "./models/model.ckpt") # 这里，./models是模型保存的目录
  print("Model saved in path: %s" % save_path)

保存的模型如下：

其中，checkpoint文件，记录了保存的最新的checkpoint文件以及其它checkpoint文件列表。
.data-xxxx文件是二进制文件，保存了所有的weights、biases、gradients等变量。
.index文件中保存了各种变量名称
.meta文件保存的是图结构，meta文件是pb(protocol buffer)格式文件，包含Variables、op、集合等

（2）加载模型