tensorflow中checkpoint总结

最近开始接触tensorflow，经常要用到别人的预训练模型，有时候常常不知道怎么使用，因此这篇博客将专门做一个总结。

tensorflow 模型文件

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

1) 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。

2）data文件

model.ckpt-200.data-00000-of-00001：数据文件，保存的是网络的权值，偏置，操作等等。

3）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。

Note: 以前的版本中tensorflow的model只保存一个文件中。
4）checkpoint文件

checkpoint是一个文本文件，记录了训练过程中在所有中间节点上保存的模型的名称，首行记录的是最后（最近）一次保存的模型名称。

checkpoint是检查点文件，文件保存了一个目录下所有的模型文件列表；
例如 checkpoint ，大小是 271字节。

参考链接：https://blog.csdn.net/gzj_1101/article/details/80299610