tensorflow 保存和加载模型 -2

1、我们经常在训练完一个模型之后希望保存训练的结果，这些结果指的是模型的参数，以便下次迭代的训练或者用作测试。Tensorflow针对这一需求提供了Saver类。

1. Saver类提供了向checkpoints文件保存和从checkpoints文件中恢复变量的相关方法。Checkpoints文件是一个二进制文件，它把变量名映射到对应的tensor值。
2. 只要提供一个计数器，当计数器触发时，Saver类可以自动的生成checkpoint文件。这让我们可以在训练过程中保存多个中间结果。例如，我们可以保存每一步训练的结果。
   
3. 为了避免填满整个磁盘，Saver可以自动的管理Checkpoints文件。例如，我们可以指定保存最近的N个Checkpoints文件。

2、code

[python] view plain copy

1. import tensorflow as tf  
2. import numpy as np  
3.   
4. isTrain = True  
5. train_steps = 100  
6. checkpoint_steps = 50  
7. checkpoint_dir = '/home/jdlu/jdluTensor/test/tmp/'  
8.   
9. x = tf.placeholder(tf.float32, shape=[None, 1])  
10. y = 4 * x + 4  
11.   
12. w = tf.Variable(tf.random_normal([1], -1, 1))  
13. b = tf.Variable(tf.zeros([1]))  
14. y_predict = w * x + b  
15.   
16.   
17. loss = tf.reduce_mean(tf.square(y - y_predict))  
18. optimizer = tf.train.GradientDescentOptimizer(0.5)  
19. train = optimizer.minimize(loss)  
20.   
21. isTrain = False  
22. train_steps = 100  
23. checkpoint_steps = 50  
24. checkpoint_dir = ''  
25.   
26. saver = tf.train.Saver()  # defaults to saving all variables - in this case w and b  
27. x_data = np.reshape(np.random.rand(10).astype(np.float32), (10, 1))  
28.   
29. with tf.Session() as sess:  
30.     sess.run(tf.initialize_all_variables())  
31.     if isTrain:  
32.         for i in xrange(train_steps):  
33.             sess.run(train, feed_dict={x: x_data})  
34.             if (i + 1) % checkpoint_steps == 0:  
35.                 saver.save(sess, checkpoint_dir + 'model.ckpt', global_step=i+1)  
36.     else:  
37.         ckpt = tf.train.get_checkpoint_state(checkpoint_dir)  
38.         if ckpt and ckpt.model_checkpoint_path:  
39.             saver.restore(sess, ckpt.model_checkpoint_path)  
40.         else:  
41.             pass  
42.         print(sess.run(w))  
43.         print(sess.run(b))  

说明：

训练的过程：

1、先设置isTrain=True,然后会保存模型,设置isTrain=False会将训练好的模型加载进来进行测试

2、train_steps：表示训练的次数，例子中使用100
3、checkpoint_steps：表示训练多少次保存一下checkpoints，例子中使用50
4、checkpoint_dir：表示checkpoints文件的保存路径，例子中使用当前路径

[python] view plain copy

1. if isTrain:  
2.     for i in xrange(train_steps):  
3.         sess.run(train, feed_dict={x: x_data})  
4.         if (i + 1) % checkpoint_steps == 0:  
5.             saver.save(sess, checkpoint_dir + 'model.ckpt',global_step = i+1)  

说明：每训练checkpoint_steps就保存一次模型,在训练的过程中,就可以多次保存模型。

测试的过程：

1、测试的过程就是加载训练模型好的模型

[python] view plain copy

1. ckpt = tf.train.get_checkpoint_state(checkpoint_dir)  
2.        if ckpt and ckpt.model_checkpoint_path:  
3.            saver.restore(sess, ckpt.model_checkpoint_path)  
4.        else:  
5.            pass  
6.        print(sess.run(w))  
7.        print(sess.run(b))  

说明：

checkpoint的文件内容:

保存model的路径下的文件内容：

[python] view plain copy

1. saver.save(sess, checkpoint_dir + 'model.ckpt',global_step = i+1)  

每次保存一次都会相应生成三个文件,分别是.data-00000-of-00001,.index,.meta

==================================================================================================================