tensorflow saver
1. 创建对象
import tensorflow as tf
tf.train.Saver(max_to_keep=5)
max_to_keep 参数 by default = 5,即保存最近的5个检查点ckpt文件。若n=0或者None,则保存所有的ckpt文件。
2. 通过计数器激活saver
for i in range(N)
if i%100 == 0
Saver.save(sess, 'name', global_step=0)
Saver.save(sess, 'name', global_step=100)
saver()可以选择global_step参数来为ckpt文件名添加数字标记:
以上保存的文件的名字为:'name-0'
和'name-100'
.
3. Resotre
1)导入模型
模型保存在.meta文件中。
你可以通过python写好和原来模型一样的每一层代码来创造网络,可是,仔细一想,我们已经通过.meta把网络存储起来,我们可以用来再创造网络使用tf.train.import()语句。
new_saver = tf.train.import_meta_graph('my_test_model-1000.meta')
2)导入参数&断点恢复
tf.train.get_checkpoint_state(checkpoint_dir,latest_filename=None)
该函数返回两个参数,model_checkpoint_path和all_model_checkpoint_paths. model_checkpoint_path保存了最新的tensorflow模型文件的文件名,all_model_checkpoint_paths则有未被删除的所有tensorflow模型文件的文件名。
ckpt = tf.train.get_checkpoint_state(cfig.ckpt_router)
print(ckpt)
if ckpt and ckpt.model_checkpoint_path:
print('load model')
saver.restore(sess, ckpt.model_checkpoint_path)
print(ckpt)
的输出有以下形式:
reference:
https://blog.csdn.net/changeforeve/article/details/80268522
https://blog.csdn.net/lujiandong1/article/details/53301994
https://www.jianshu.com/p/8850127ed25d
https://www.jianshu.com/p/8cdfdddb7a75
https://blog.csdn.net/leviopku/article/details/78508951