tf.train.Saver() 保存和加载模型
saver = tf.train.Saver()
saver.save(sess, '路径 + 模型文件名')
import tensorflow as tf import os import numpy as np a = tf.Variable(1., tf.float32) b = tf.Variable(2., tf.float32) num = 10 saver = tf.train.Saver() init = tf.global_variables_initializer() save_dir = './model/' with tf.Session() as sess: for step in np.arange(num): sess.run(init) c = sess.run(tf.add(a, b)) checkpoint_path = os.path.join(save_dir, 'model.ckpt') # 默认最多同时存放 5 个模型 saver.save(sess, checkpoint_path, global_step=step)
可选参数 global_step : 编号 checkpoint 名字
Tensorflow 会自动生成4个文件
第一个文件为 model.ckpt.meta,保存了 Tensorflow 计算图的结构,可以简单理解为神经网络的网络结构。
model.ckpt.index 和 model.ckpt.data-*****-of-***** 文件保存了所有变量的取值。
最后一个文件为 checkpoint 文件,保存了一个目录下所有的模型文件列表。
import tensorflow as tf import os import numpy as np a = tf.Variable(1., tf.float32) b = tf.Variable(2., tf.float32) num = 10 saver = tf.train.Saver() init = tf.global_variables_initializer() save_dir = './model/' with tf.Session() as sess: sess.run(init) ckpt = tf.train.get_checkpoint_state(save_dir) # 载入模型 saver.restore(sess, ckpt.model_checkpoint_path) print("load success")