Tensorflow 模型保存与恢复的两种方法

“ 人生，其实无非是矛盾与选择的综合体，无关对错，仅仅在于我们能否有勇气在矛盾中作出选择并勇敢承担一切后果。 ​​​​”

 

最近在使用Object Detection API时

才发现Tensorflow训练的模型可以保存为一个.pb文件

下面将这两种模型保存方式整理下：

 

☛  保存checkpoint模型文件（.ckpt）

# 通过tf.train.Saver类实现保存和载入神经网络模型
 
# 执行本段程序时注意当前的工作路径
import tensorflow as tf
 
v1 = tf.Variable(tf.constant(1.0, shape=[1]), name="v1")
v2 = tf.Variable(tf.constant(2.0, shape=[1]), name="v2")
result = v1 + v2

# 首先定义saver类
saver = tf.train.Saver()

# 定义会话
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    for epoch in range(300):
        if epoch % 10 == 0:
            print "------------------------------------------------------"
            # 每迭代10次保存一次模型
            saver.sa