tensorflow学习笔记(二）：模型保存与加载

模型的保存与加载是通过 Saver类来实现的

1.创建一个Saver对象

   

saver = tf.train.Saver()

在创建这个Saver对象的时候，有一个常用的参数max_to_keep, 用来设置保存模型的个数，默认为5；如果只想保存最后一代的模型，只需要将max_to_keep设置为1即可。即：

saver = tf.train.Saver(max_to_keep = 1)

2.调用save函数，保存模型

    

saver.save(sess,

           save_path, 

           global_step = None, 

           latest_filename = None,

           meta_graph_suffix = 'meta',

           write_meta_graph = True,

           write_state = True)

其中主要的参数有sess， save_path,  global_step接下来分别介绍：

sess: 保存模型要求必须有一个加载了计算图的会话，而且所有变量必须已经被初始化

save_path：模型保存的路径及保存名称，即一个完整的路径包括地址和文件名：root/files

global_step：用于区分不同训练阶段的结果，如果提供，会被添加到save_path后面

3.调用restore函数，加载模型

saver.restore(sess, save_path)

sess: 加载模型必须有一个加载了计算图的会话，而且所有变量必须已经被初始化

save_path:待加载的模型的路径

4.自动获取最后一次保存的模型

ckpt = tf.train.latest_checkpoint('ckpt/')

saver.restore(sess, ckpt)