tensorflow保存模型、加载模型和提取模型参数和特征图

1.

tf.train.latest_checkpoint('./model_data/')

这一句最终返回的是一个字符串，比如

'./model_data/model-99991'

这个方法本身还会做相应的检查，比如checkpoint中最新的模型model_checkpoint_path中的名字在all_model_checkpoint_paths并没有，而是人为修改后的，那么就会提示：

ERROR:tensorflow:Couldn't match files for checkpoint ./model_data/model-99991

只有同时修改4处以后，才会成功执行，分别是model_checkpoint_path、all_model_checkpoint_paths、data-00000-of-00001和index的名字。只有meta的名字不要修改。但是事实上，再执行这一条语句之前，

tf.train.import_meta_graph('model_data/model-99991.meta')

已经被执行了。

2.

tf.trainable_variables () 指的是需要训练的变量 

tf.global_variables()指的所有变量

例如：bn层的mean和var在训练变量中就是没有，而只会出现在所有变量中。

3.

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("dataset/", one_hot=True)

-mnist

        -train：num_examples、next_batch(4)

        -validation

        -test

4.caffe和tf中bn的比较

在caffe中训练时为：

layer {
    name: "BatchNorm_layer2_1"
    type: "BatchNorm"
    bottom: "Convolution2_1"
    top: "Convolution2_1"
}

在保存的caffemodel中，一共有3个参数，shape分别是64,64,1。

在tf