在用tflearn框架做深度神经网络的时候出现保存模型过多的情况

model = tflearn.DNN()
model.fit(train_X, train_y, n_epoch=5, 
        validation_set=(test_x, test_y),
        show_metric=True, snapshot_epoch=True,
        snapshot_step=20, batch_size=100)

其中，如果snapshot_epoch参数的值是True，那么不管你怎么设置，都会把每一步的结果保存下来，在你训练完成之后发现文件非常大，好几个g。

所以，你要将snapshot_epoch参数的值设置为False，这样，再在snapshot_step参数里面设置隔几步保存一次模型就可以了。

当然了，也可以将这俩参数设置为False和None，这样在最后，用 model.save("model.tfl")来手动保存模型。

在想用的时候，直接加载模型，model.load("model.tfl")，然后训练新的数据即可。

model.fit(X, y, 
        n_epoch=10, 
        validation_set=(test_x, test_y),
        show_metric=True, 
        snapshot_epoch=True,
        snapshot_step=500, 
        batch_size=100)