tf.train.Saver()函数还有在tensorflow中的使用

在训练好网络之后保存训练好的模型，还有在程序中读取保存好的模型。

 

1. 首先无论保存还是恢复都需要实例化一个tf.train.Saver方法

Saver=tf.train.Saver()

1. 在训练过程中，定期调用saver.save()方法向文件夹中写入包含了当前模型中所有可训练变量的 checkpoint 文件。
2. saver.save(sess,”路径”, global_step=global_step)
3. saver.restore(sess, “路径”) 重载模型的参数，继续训练或用于测试数据。

1. 实际上每调用一次保存操作会创建后3个数据文件并创建一个检查点（checkpoint）文件，简单理解就是权重等参数被保存到 .ckpt.data 文件中，以字典的形式；图和元数据被保存到 .ckpt.meta 文件中，可以被 tf.train.import_meta_graph 加载到当前默认的图。

 

1. saver 的操作必须在 sess 建立后进行。
2. model.ckpt 必须存在给定文件夹中，'路径' 这里至少要有一层文件夹，否则无法保存。
3. 恢复模型时同保存时一样，是 ‘路径’比如（saver.restore(sess,ckpt.model_checkpoint_path)），和那3个文件名都不一样。