TensorFlowを保存するには、いくつかのファイル[モデル]の後

良いトレーニングモデルとTensorFlowは、経由saver保存した後、パスに対応するいくつかのファイルがしばしばありますが、私たちは以下のコードを見て組み合わせ

import tensorflow as tf

# Create some variables.
v1 = tf.get_variable("v1", shape=[3], initializer = tf.zeros_initializer)
v2 = tf.get_variable("v2", shape=[5], initializer = tf.zeros_initializer)

inc_v1 = v1.assign(v1+1)
dec_v2 = v2.assign(v2-1)

# Add an op to initialize the variables.
init_op = tf.global_variables_initializer()

# Add ops to save and restore all the variables.
saver = tf.train.Saver()

# Later, launch the model, initialize the variables, do some work, and save the
# variables to disk.
with tf.Session() as sess:
  sess.run(init_op)
  # Do some work with the model.
  inc_v1.op.run()
  dec_v2.op.run()
  # Save the variables to disk.
  save_path = saver.save(sess, "/tmp/model.ckpt")
  print("Model saved in path: %s" % save_path)

このコードは、非常に短い答えは2つの変数を初期化しv1, v2、その後、プラス1とマイナス1つの操作を作製し、その後、セーバーを定義し、モデルが保存されます。
次のように一般的なモデルは、ファイルを保存します後：

• チェックポイント：全ての情報のチェックポイント、チェックポイント情報が保存されている、それを介して、私はモデルの最も最近に保存されたバージョンのいくつかを知っています
• xxx.meta：すべてのグラフの情報が含まれています。これは、データストリーム注釈、変数、入力パイプライン、及び他の関連情報を含む、MetaGraphDefプロトコルバッファのシーケンスであります
• xxx.index：メタデータは、元数据[それは不変テーブル（tensoflow ::テーブル::表）です。各キーはテンソルの名前であり、それの値がシリアライズさBundleEntryProtoです。各BundleEntryProtoはテンソルのメタデータを記述する]
• xxx.data-00000-の-00001：それはすべての変数（重み、偏見、プレースホルダ、勾配の値が含まれている 、ハイパーパラメータなど）、 良いモデルトレーニングパラメータやその他の値をあります

参考文献：
1、https://www.tensorflow.org/guide/saved_model?hl=zh-cn