Tensorflow笔记——断点恢复

阁仔

于 2019-07-01 22:50:08 发布

阅读量619

点赞数

文章标签： tensorflow笔记

本文链接：https://blog.youkuaiyun.com/baidu_23388287/article/details/94412494

版权

本文详细介绍如何在深度学习训练过程中使用TensorFlow实现断点恢复，解决因训练时间长、迭代次数多导致的无法一次性完成训练的问题。文章通过具体实例演示了如何获取模型保存时的迭代轮数，自动查找并加载最新模型文件，以及如何正确设置global_step以确保从断点继续训练。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在做深度学习训练的时候，由于训练时间比较长，迭代次数比较多，经常会出现无法一次完成train的情况，那么这个时候我们需要用到tensorflow中的断点恢复。不多说直接上例子

#step = int(ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1])通过文件名得到模型保存时迭代的轮数

#tf.train.get_checkpoint_state函数会通过checkpoint文件自动找到目录中最新模型的文件名

ckpt = tf.train.get_checkpoint_state(CKPT_PATH)
if ckpt and ckpt.model_checkpoint_path:
    #加载模型
    saver.restore(sess,ckpt.model_checkpoint_path)

存model的时候，当前step的值被赋予到global_step, 所以在train的时候要把 global_step的值赋给step，这样才可以从断点处计算。