python保存神经网络_单隐藏层神经网络模型的保存和还原——Python深度学习

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。