深度学习1：参数保存

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

---

提示：以下是本篇文章正文内容，下面案例可供参考

tf.Variable()函数

两者是完全相同的，tensorflow的官方文档中说明tf.initialize_all_variables()将被放弃使用，因此推荐使用tf.global_variables_initializer()！

作用：返回一个op，作用是初始化所有的全局变量
别名：tf.initializers.global_variables()

对tf.global_variables_initializer()的具体解释：在一个session中运行过tf.global_variables_initializer()后，变量才会持有赋给它们的初始化的值（在我们之前定义过的tf.Variable(tf.zeros(…)), tf.Variable(tf.random_normal(…))中）

在TensorFlow的世界里，变量的定义和初始化是分开的，所有关于图变量的赋值和计算都要通过tf.Session的run来进行。将所有图变量进行集体初始化时应该使用tf.global_variables_initializer。

二、使用步骤

1.saver

1.首先无论保存还是恢复都需要实例化一个tf.train.Saver方法

Saver = tf.train.Saver()

2.保存saver.save(sess,”路径.ckpt”)

3.重载saver.restore(sess, “路径.ckpt”)

saver = tf.train.Saver() #用前的声明
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())#数据初始化 别忘了
    saver.save(sess,"./path/你的地址保存成ckpt文件**.ckpt")
#实际上模型保存会生成文件：.ckpt(变量取值) .ckpt.meta(网络结构) checkpoint(文件列表)等
#saver.save(sess,”路径”, global_step=global_step)

2.恢复数据

在保存了一个模型之后，我们使用saver.restore( )来恢复模型。恢复操作也需要在session会话中。我们可以创建一个新的会话：

saver = tf.train.Saver() #用前的声明
with tf.Session() as sess:
#加载.ckpt文件和原来代码区别：无需数据初始化，但图结构还需定义
saver.restore(sess,"./path/你的地址保存成ckpt文件**.ckpt") #无需数据初始化了

---

总结

提示：这里对文章进行总结：