tensorflow模型保存与加载

tensorflow版本为1.4.1

tensorflow提供了Saver类用于模型的保存与导入。该类定义在tensorflow/python/training/saver.py.中。

Saver类的默认初始化函数如下：

__init__(
    var_list=None,
    reshape=False,
    sharded=False,
    max_to_keep=5,
    keep_checkpoint_every_n_hours=10000.0,
    name=None,
    restore_sequentially=False,
    saver_def=None,
    builder=None,
    defer_build=False,
    allow_empty=False,
    write_version=tf.train.SaverDef.V2,
    pad_step_number=False,
    save_relative_paths=False,
    filename=None
)

由于该初始化函数均有缺省值，因此我们常用的创建一个Saver对象的操作为tf.train.Saver()

下面解释一下常用的参数：

• var_list: Variable/SaveableObject的列表，或者是一个字典(mapping names to SaveableObjects)。默认为None，即保存所有可保存的对象。
• reshape: 当为True时，表示从一个checkpoint中恢复参数时允许参数shape发生变化。当我们reshape了一个变量又希望加载旧模型时，该操作就很有用。
• max_to_keep:为了避免填满整个磁盘，Saver可以自动的管理Checkpoints文件。该参数用于指定保存最近的N个Checkpoints文件，默认为5.
• keep_checkpoint_every_n_hours: 为了避免填满整个磁盘，Saver可以自动的管理C