Tensorflow中使用tf.train.Saver()和saver.restore()进行参数的保存和重现

路人K_

于 2019-07-03 18:28:29 发布

阅读量1w

点赞数 6

分类专栏： tensorflow 文章标签： Saver restore tensorflow checkpoint train

本文链接：https://blog.youkuaiyun.com/kele_imon/article/details/94586002

版权

本文介绍了Tensorflow中使用Saver类进行模型参数保存和恢复的基本操作。Saver允许将模型的参数保存到checkpoint文件，并在后续训练或测试时恢复。在训练过程中，可以设置自动保存多个中间结果以防止磁盘空间被占满。在代码示例中，说明了`tf.train.Saver()`的写入位置以及`saver.restore()`的使用时机，强调了正确匹配变量名称的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.Saver背景介绍

1.1我们经常在训练完一个模型之后希望保存训练的结果，这些结果指的是模型的参数，以便下次迭代的训练或者用作测试。Tensorflow针对这一需求提供了Saver类。

1.2.Saver类提供了向checkpoints文件保存和从checkpoints文件中恢复变量的相关方法。Checkpoints文件是一个二进制文件，它把变量名映射到对应的tensor值。

1.3只要提供一个计数器，当计数器触发时，Saver类可以自动的生成checkpoint文件。这让我们可以在训练过程中保存多个中间结果。例如，我们可以保存每一步训练的结果。
为了避免填满整个磁盘，Saver可以自动的管理Checkpoints文件。例如，我们可以指定保存最近的N个Checkpoints文件。
（第3点的内容我还没有理解上，以后写好了再更新哈）

2.代码

2.1 tf.train.Saver()如何写

2.1.1写的位置

（1）在with tf.Session() as sess:这一句的前面写就行，不用再Session()会话中，例如下面：

checkpoint_steps = 1
check_dir='D:/train/'
saver = tf.train.Saver()


log_dir = "D:/Temp/logs4/"

with tf.Session() as sess:
    
    train_writer = tf.summary.FileWriter(log_dir + "train/", sess.graph)  # 记录默认

最低0.47元/天解锁文章