tensorflow保存与加载model

tensorflow的模型文件为如下的形式

checkpoint
model.ckpt-200.data-00000-of-00001
model.ckpt-200.index
model.ckpt-200.meta

1.checkpoint文件
tf.train.get_checkpoint_state
函数通过checkpoint文件找到模型文件名
model_checkpoint_path保存了最新的tensorflow模型文件的文件名，all_model_checkpoint_paths则有未被删除的所有tensorflow模型文件的文件名

 model_checkpoint_path: "./model/model_test.ckpt-251"
all_model_checkpoint_paths: "./model/model_test.ckpt-51"
all_model_checkpoint_paths: "./model/model_test.ckpt-101"
all_model_checkpoint_paths: "./model/model_test.ckpt-151"
all_model_checkpoint_paths: "./model/model_test.ckpt-201"
all_model_checkpoint_paths: "./model/model_test.ckpt-251"

2.meta文件
保存图结构
tf.train.import_meta_graph(‘model.ckpt-200.meta’)能够导入图结构

3.data文件
保存模型中权重等数据

4.保存与加载模型

    saver=tf.train.Saver(max_to_keep = 5)
    ###max_to_keep参数表示最多保存的模型的个数
    with tf.Session() as sess:
    	###如果True则重新加载模型
        if Cfg.restore_model_flag:
            ###tf.train.get_checkpoint_state函数通过checkpoint文件找到模型文件名
            ckpt = tf.train.get_checkpoint_state('./model/')
            print('ckpt:\n',ckpt)
            saver.restore(sess,ckpt.model_checkpoint_path)   ###导入最新的模型
        else:
            tf.global_variables_initializer().run()
            ..........
		###保存模型
		saver.save(sess,os.path.join(Cfg.MODEL_SAVE_PATH,Cfg.MODEL_NAME),global_step=global_step)