tensorflow学习：模型的保存与恢复（saver）

将训练好的模型参数保存起来，以便以后进行验证或测试，这是我们经常要做的事情。tf里面提供模型保存的是tf.train.Saver()模块。
模型保存，先要创建一个Saver对象：如

saver=tf.train.Saver()

在创建这个Saver对象的时候，有一个参数我们经常会用到，就是 max_to_keep 参数，这个是用来设置保存模型的个数，默认为5，即 max_to_keep=5，保存最近的5个模型。如果你想每训练一代（epoch)就想保存一次模型，则可以将 max_to_keep设置为None或者0，如：

saver=tf.train.Saver(max_to_keep=0)

当然，如果你只想保存最后一代的模型，则只需要将max_to_keep设置为1即可，即：

saver=tf.train.Saver(max_to_keep=1)

还有一个参数keep_checkpoint_every_n_hours，每几小时保存一次模型，如：

saver = tf.train.Saver( keep_checkpoint_every_n_hours=2)

创建完saver对象后，就可以保存训练好的模型了，如：

saver.save(sess,'save_model/model.ckpt',global_step=step)

第一个参数sess，就是tensorflow中的session
第二个参数设定保存的路径和名字，执行代码之后，会在改文件目录下新建一个save_model文件夹用于保存模型，save_model里面保存训练的模型，模型名称为mnist.ckpt，具体有四类文件，checkpoint、ckpt.data、ckpt.index、ckpt.meta，如下图：这四类文件下面再讲。
tensorflow学习：模型的保存与恢复（saver）
第三个参数将训练的次数作为后缀加入到模型名字中。例如：

saver.save(sess,'save_model/model.ckpt',global_step=1000)
#  filename: save_model/model.ckpt-1000

四类文件

meta文件
model.ckpt-200.meta文件保存的是图结构，通俗地讲就是神经网络的网络结构。一般而言网络结构是不会发生改变，所以可以只保存一个就行了。我们可以使用下面的代码只在第一次保存meta文件。

saver.save(sess, 'my-model', global_step=step,write_meta_graph=False)

并且还可以使用tf.train.import_meta_graph(‘model.ckpt-200.meta’)能够导入图结构。

data文件
数据文件，保存的是网络的权值，偏置，操作等等
index文件
model.ckpt-200.index是一个不可变得字符串表，每一个键都是张量的名称，它的值是一个序列化的BundleEntryProto。每个BundleEntryProto描述张量的元数据：“数据”文件中的哪个文件包含张量的内容，该文件的偏移量，校验和，一些辅助数据等等。
checkpoint
checkpoint文件内容如下图：

注意：Tensorflow默认只保存最近5个模型和元数据，删除前面没用的模型和元数据。其中，model_checkpoint_path里面保存着当前模型，all_model_checkpoint_paths里面保存着最近的5个模型。
注意：在tensorflow中使用断点时，要修改的地方：checkpoint文件，将它修改为上一次训练好的数值；学习率。

模型恢复
模型的恢复用的是restore()函数，它需要两个参数restore(sess, save_path)，save_path指的是保存的模型路径。我们可以使用tf.train.latest_checkpoint（）来自动获取最后一次保存的模型。如：

saver = tf.train.Saver()
model_file=tf.train.latest_checkpoint('checkpoint_dir/')  #checkpoint_dir为保存模型的文件夹
saver.restore(sess,model_file)

也可以使用tf.train.get_checkpoint_state来加载模型。这种方法会读取checkpoint文件里面的model_checkpoint_path，然后加载相应的模型：

saver = tf.train.Saver()
MODEL_SAVE_PATH='save_model'  # 模型路径
ckpt = tf.train.get_checkpoint_state(MODEL_SAVE_PATH)
if ckpt and ckpt.model_checkpoint_path:
    saver.restore(sess,ckpt.model_checkpoint_path)

参考：
1.https://cloud.tencent.com/developer/news/393046
2.https://blog.****.net/changeforeve/article/details/80268522
3.https://www.cnblogs.com/hellcat/p/6925757.html
4.https://www.cnblogs.com/qwangxiao/p/9036493.html
5.https://www.cnblogs.com/denny402/p/6940134.html

tensorflow学习：模型的保存与恢复（saver）

相关推荐