tensorflow保存和恢复模型saver.restore checkpoint设置检查点

简介tensorflow保存和恢复模型saver.restore https://blog.csdn.net/qq_37285386/article/details/88957558 TensorFlow——Checkpoint为模型添加检查点 https://www.cnblogs.com/baby-lily/p/10930591.html 2.保存模型 保存的模型 ckpt 文件: .meta存放的是网络模型和所有的变量; .index 和.data一

tensorflow保存和恢复模型saver.restore https://blog.csdn.net/qq_37285386/article/details/88957558

TensorFlow——Checkpoint为模型添加检查点 https://www.cnblogs.com/baby-lily/p/10930591.html


2.保存模型
保存的模型 ckpt 文件:
.meta存放的是网络模型和所有的变量;
.index 和.data一起存放变量数据
-0 -500表示checkpoint点


saver = tf.train.Saver([w1,w2],max_to_keep=5, keep_checkpoint_every_n_hours=2)   # 这里是细节部分,可以指定保存的变量,每两小时保存最近的5个模型

saver.save(sess, './checkpoint_dir/MyModel',global_step=step,write_meta_graph=False))   # 因为模型没必要多次保存,所以写为False


3.恢复模型

saver = tf.train.import_meta_graph(模型路径)  # 模型路径中必须指定到具体的模型下如:xx.ckpt-500.meta,且一般来讲,所有模型都是一样的,如果没有改变模型的条件下。
# 下面的restore就是在当前的sess下恢复了所有的变量
saver.restore(sess,数据路径)  # 数据路径也必须指定到具体某个模型的数据,但创建这个路径的方法很多,比如调用最后一个保存的模型tf.train.latest_checkpoint('./checkpoint_dir'),也可以是xx.ckpt-500.data,并且这两个是等效的,如果是xx.ckpt-0.data,就是第一个模型的数据


本文转自:https://blog.csdn.net/qq_37285386/article/details/88957558
新加评论 评论标题: