模型每次的训练需要耗费很长的时间,每次都从头开始,时间实在是浪费不起。我们可以把TensorFlow训练的模型保存,以便之后需要再还原使用。
设定每五轮保存一次,创建一个文件夹,用于保存模型文件。Python的os库,在这里主要是对文件夹进行操作,检查是否存在和创建。
Saver就是tf提供给我们保存模型的方法,红框中提示用户,每五轮保存一次的文件名,最后再保存一次最新的。
在完整Python代码中的位置。
其他代码,没有变动。
输出内容中,除了原来的轮次、损失值、准确率,还有模型保存的文件名。
总共保存了9次模型。
模型文件以三个为一组,包括index、meta和data-00000-of-00001等,checkpoint是检查点文件,其他均为模型的过程文件,同样也是三个一组。
测试后,和原来的没啥区别。
还原模型的前提,需要创建和模型一样的数据结构,输入层、隐藏层和输出层等,设置模型文件保存的目录。
找到最新的模型文件,还原恢复。
然后就可以接着用了,主要是为了省时间,或者断点续训。