TensorFlow训练过程中保存模型

保存模型

在反向传播中，如果想每隔一定的轮数将模型保存下来，可以用下面的方法。

1）首先，实例化saver对象

saver = tf.train.Saver()

2)在Session会话中，每隔一段轮数，进行模型的保存

with tf.Session() as sess:

    for i in range(STEPS):
        if i%轮数 == 0:
            saver.save(sess, os.path.join(MODEL_SAVER_PATH, MODEL_NAME), global_step=global_step)

加载模型

先判断是否有模型存在，如果有，则恢复到当前的会话中。

with tf.Session() as sess:
    ckpt = tf.train.get_checkpoint_state(存储路径)
    if ckpt and ckpt.model_checkpoint_path:
        saver.restore(sess, ckpt.mdoel_checkpoint_path)

滑动平均

如果训练的过程中参数使用滑动平均，则每个参数的滑动平均值，也会保存在模型当中。

ema = tf.train.ExpenentialMovingAverage(滑动平均模型)
ema_restore = ema.vaiables_to_restore()
saver = tf.train.Saver(ema_restore)