Tensorflow 测试RL算法，保存模型 并 读取进行测试

保存模型

RL中，我们一般都把一个网络结构写在一个类里面，保存的时候也是，可以如下写一个 save_net 函数：

def save_net(self):
    saver = tf.train.Saver()
    save_path = saver.save(self.sess, "./dqn/model/file_name.ckpt")
    print("Save to path: ", save_path)

在RL算法进行完N轮的训练之后，调用该函数进行模型保存：agent.save_net()
可以看到，会在model文件夹下多出四个文件：

也可以输出保存前的参数，进行观察，以便确认读取模型时是否成功读取了参数：

w1 = tf.get_default_graph().get_tensor_by_name('eval_net/l1/w1:0')  # 获得variable对应的Tensor
print(self.sess.run(w1))  # run一下这个Tensor得到结果

读取模型

首先注意，读取模型用于测试时，我们需要保证用到的变量和训练时的是一样的，比如测试DQN模型的效果：

class Test4DQ