tensorflow模型ckpt持久化

模型保存

sess = tf.Session()#开启会话
sess.run(tf.global_variables_initializer())#所有变量初始化
saver.save(sess, './model_test/model.ckpt',global_step=300)#迭代次数每300保存一次

保存函数

tf.train.Saver(max_to_keep=None, keep_checkpoint_every_n_hours=None)

max_to_keep:默认保存最近5个模型
keep_checkpoint_every_n_hours：隔一段固定的时间保存模型
global_step：每迭代多少次保存一次

如果只想保存指定变量，在创建tf.train.Saver实例时，可以通过将需要保存的变量构造list或者dictionary，传入到Saver中，如saver = tf.train.Saver([w1,w2])表示只保存w1，w2。

w1 = tf.Variable(tf.random_normal(shape=[2]), name='w1')
w2 = tf.Variable(tf.random_normal(shape=[5]), name='w2')

保存的模型如图：

.meta文件保存的是图结构，meta文件是pb（protocol buffer）格式文件，包含变量、op、集合等；
ckpt文件是二进制文件，保存了所有的weights、biases、gradients等变量。在tensorflow 0.11之前，保存在.ckpt文件中。0.11后，通过两个文件保存,即.data文件和.index文件；checkpoint文件，该文件是个文本文件，里面记录了保存的最新的checkpoint文件以及其它checkpoint文件列表。在inference时，可以通过修改这个文件，指定使用哪个model

加载模型（即加载图和参数）

with tf.Session() as sess:
    saver = tf.train.import_meta_graph('./model_test/model.ckpt-300.meta')# 加载图结构
    saver.restore(sess,tf.train.latest_checkpoint('./model_test/'))# 加载参数
    print(sess.run('w1:0'))显示模型里w1的值