Tensorflow的模型保存和读取tf.train.Saver

深度学习平台：TensorFlow    

目标：训练网络后想保存训练好的模型，以及在程序中读取以保存的训练好的模型。

简介

首先，保存和恢复都需要实例化一个 tf.train.Saver。

• saver = tf.train.Saver()

然后，训练循环中，定期调用 saver.save() 方法，向文件夹中写入包含当前模型中所有可训练变量的 checkpoint 文件。

• saver.save(sess, FLAGS.train_dir, global_step=step)

之后，就可以使用 saver.restore() 方法，重载模型的参数，继续训练或用于测试数据。

• saver.restore(sess, FLAGS.train_dir)

一次 saver.save() 后可以在文件夹中看到新增的四个文件，

实际上每调用一次保存操作会创建后3个数据文件并创建一个检查点（checkpoint）文件，简单理解就是权重等参数被保存到 .ckpt.data 文件中，以字典的形式；图和元数据被保存到 .ckpt.meta 文件中，可以被 tf.train.import_meta_graph 加载到当前默认的图。

 

示例

下面代码是简单的保存和读取模型：（不包括加载图数据）

import tensorflow as tf
import numpy as np
import os

#用numpy产生数据
x_data = np.li