saver = tf.train.Saver()
with tf.Session() as sess:
saver.save(sess, os.path.join('DIR', 'model_ckpt'), global_step=step)
运行一次saver.sess( )后,会生成4个文件,如下
在恢复时,使用saver.restore(),但是saver.restore只会恢复权重值,因此在使用之前必须要重新建立计算图,之后才能导入权重值。而且在重建时,变量的的名称要与载入变量的名称相对应。
而使用tf.train.import_meta_graph( ),可以建立计算图。不需要再人工手动建立。
with tf.Session() as sess:
saver = tf.train.import_meta_graph() #导入已经建立的计算图
saver.restore(sess, os.path.join(DIR, "model_ckpy-1000")) # 恢复权重
但是这种方法导入计算图后我们不知道里面都有什么变量,因此也无法访问。
一种解决方法是,使用collection和saver.export_meta_graph()来显式的保存导出计算图
比方说,我们要在重建的计算图下计算三Accuracy的值,而accu