TensorFlow-ckpt-模型的保存和调用

更多内容：
https://blog.csdn.net/lwplwf/article/details/62419087

1、保存模型

import tensorflow as tf
import numpy as np

**xxxxx无关紧要代码**

saver = tf.train.Saver(max_to_keep=3)  #关键1  默认max_to_keep=5
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer()) 
    
    **网络训练部分**  #关键2
    
    save_path = saver.save(sess, r"F:\laboratorie_essays\cbc\WGAN_code\hhhh.ckpt")  #关键3
    print("Save to path: ", save_path)

运行结果：
Save to path: F:\laboratorie_essays\cbc\WGAN_code\hhhh.ckpt

2、调用模型

import tensorflow as tf
import numpy as np

**xxxxx无关紧要代码**

saver = tf.train.Saver()  #关键4
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer()) 
    saver.restore(sess, r"F:\laboratorie_essays\cbc\WGAN_code\hhhh.ckpt")   #关键5
      
    **删除网络训练部分，这些代码不需要了**  #关键6
        

运行结果：
INFO:tensorflow:Restoring parameters from F:\laboratorie_essays\cbc\WGAN_code\hhhh.ckpt
weights: [[1. 2. 3.]
[3. 4. 5.]]
biases: [[1. 2. 3.]]

3、保存的文件名称含义：
https://blog.csdn.net/sinat_36618660/article/details/98665482

checkpoint: 检查点，记录保存了哪些checkpoint；
.ckpt.data: 以字典的形式保存权重偏置项等训练参数；
.ckpt.index: 参数索引；
.ckpt.meta: 图结构以及图中参数数据。

4、查看checkpoint文件中保存的变量名称：

https://www.cnblogs.com/weizhen/p/8451514.html

import tensorflow as tf
# import the inspect_checkpoint library
from tensorflow.python.tools import inspect_checkpoint as chkp
# print all tensors in checkpoint file
chkp.print_tensors_in_checkpoint_file("tmp/model.ckpt", tensor_name=None, all_tensors=True)