tensorflow实战google深度学习框架阅读笔记——保存，读取model（ckpt文件）

 

最近在阅读《tensorflow实战google深度学习框架》，对里面讲到的内容，重点部分做下摘抄和笔记，以备后面查阅。部分内容为本人个人理解，如果错误，请指正，如果侵权，请联系删除，谢谢。转载请注明出处，谢谢。

 

将模型保存为ckpt文件

 

 

    首先，创建一个saver对象：saver=tf.train.Saver(max_to_keep = 5) 注意，这句话要写在创建graph的代码中，在图创建完成并且初始化variable后，再调用。max_to_keep代表需要保存的模型的个数，默认为5，如果只需要保存最新的模型，设置为1即可

    然后，saver.save(sess,'ckpt/mnist.ckpt',global_step=step，write_meta_graph=False)  ，其中，第一个参数为sess，第二个参数设定保存的路径和名字，这里可以用os.path.join(opts.save_path,"model.ckpt")来组合，第一个为路径，第二个为名字。第三个参数将训练的次数作为后缀加入到模型名字中去（改参数可以不加），第四个参数为是否保存.meta，meta中保存的是模型的图，不需要每次都保存，所以可以设置为false，默认为true，这里可以这么写：

saver.save(sess, 'model/model.ckpt', global_step=step, write_meta_graph=False)

if not os.path.exists(' model/model.meta'):

   saver.export_meta_graph(metagraph_filename)

 

从ckpt文件中读取参数，恢复模型

 

有两种方法：

方法一：不恢复模型，直接从ckpt文件中读取参数：

 

方法二：恢复模型，然后调用sess.run获取参数：

 

注意：这里面，tf.train.import_meta_graph是从meta文件中读取图，如果图中存在自定义的op，是行不通的，所以【4】这个操作是加载自定义op

另外，这里参数的名字可以通过方式一获取，然后这里的要用  参数名:0 的方式获取参数。

 

利用tensorboard可视化模型图

 

tf.reset_default_graph()
with tf.Session() as sess:
  with open('F:\\jupyter\\data\\xxxx\\xxxx.pb', 'rb') as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())
    g_in = tf.import_graph_def(graph_def)

  LOGDIR='F:\\jupyter\\data\\xxx'
  train_writer = tf.summary.FileWriter(LOGDIR)
  train_writer.add_graph(sess.graph)
  train_writer.close()

运行这段代码后，会将图结构以日志文件的形式保存到给定的路径下。 

然后在终端启动tensorboard，输入log文件的地址，tensorboard --logdir=XXXX , 就可以在tensorboard中查看模型的图结构了，

tensorboard的默认端口是6006，浏览器127.0.0.1:6006即可访问。

上面的代码是将保存好的pb文件，先解析pb文件，然后利用tf.summary.FileWriter保存为log，如果不是pb文件，而是在程序中，直接将图保存即可：

  LOGDIR='F:\\jupyter\\data\\xxx'
  train_writer = tf.summary.FileWriter(LOGDIR)
  train_writer.add_graph(sess.graph)