python模型保存与恢复_TensorFlow模型的保存与恢复加载 ckpt

我们使用TensorFlow进行模型的训练，训练好的模型需要保存，预测阶段我们需要将模型进行加载还原使用，这就涉及TensorFlow模型的保存与恢复加载。

总结一下Tensorflow常用的模型保存方式。

保存checkpoint模型文件(.ckpt)

首先，TensorFlow提供了一个非常方便的api，tf.train.Saver()来保存和还原一个机器学习模型。

旧版保存单个模型文件的方式，大同小异，可以看看。

.ckpt文件是旧版本的输出saver.save(sess)，相当于你的.ckpt-data(见下文)

“checkpoint”文件仅用于告知某些TF函数，这是最新的检查点文件。

新版保存为：

.ckpt.meta

.ckpt.index

.ckpt.data

.ckpt-meta 包含元图，即计算图的结构，没有变量的值(基本上你可以在tensorboard / graph中看到)。

.ckpt-data包含所有变量的值，没有结构。要在python中恢复模型，您通常会使用元数据和数据文件(但您也可以使用该.pb文件)： saver = tf.train.import_meta_graph(path_to_ckpt_meta) saver.restore(sess, path_to_ckpt_data)

我不确切地知道.ckpt-index，我想这是内部需要的某种索引来正确映射前两个文件。

该.pb文件可以保存您的整个图表(元+数据)。要在c ++中加载和使用(但不训练)图形，您通常会使用它来创建freeze_graph，它会.pb从元数据和数据创建文件。要