使用tf.global_variables_initializer()函数进行初始化所有变量的步骤,必须在所有变量和OP定义完成之后/这样才能保证定义的内容有效。使用with语法建立session,可以在session结束后自行关闭。
feed 注入机制,只在方法内有效。
建立session的其他方法:
sess = tf.InteractiveSession()
使用会更加复杂,可以自动管理session中的具体任务。
利用tf.ConfigProto来构建一个config(进行配置)
config = tf.ConfigProto(log_device_placement=True, allow_soft_placement=True)
session = tf.Session(config = config, ……)
保存模型
建立一个saver 在session中通过saver的save即可将模型保存
载入模型
调用saver中的restore从指定路径找到模型文件。
print_tensor_in_checkpoint_file 打印模型信息
Checkpoint 保存检查点 保存模型的时候设置一下global_step 只保存一个,设置一下max_to_keep = 1