tensorflow中，checkpoint和pb的区别和联系

1.checkpoint文件

1.1保存方式

tf.train.Saver()

1.2可以得到四个文件

checkpoint                  检查点文件

model.ckpt.data-xxx   保存的是参数的值

model.ckpt.index        保存的是各个参数

model.ckpt.meta        保存的是图的结构

1.3通过saver.restore()恢复整个神经网络

但是这种方式有几个缺点，首先这种模型文件是依赖 TensorFlow 的，只能在其框架下使用；其次，在恢复模型之前还需要再定义一遍网络结构，然后才能把变量的值恢复到网络中。

 

ps： 使用chpt也可以直接加载网络结构，不需要重新定义网络：

saver = tf.train.import_meta_graph('./ckpt/model.ckpt.meta') 

1.4保存和重现

使用tf.train.Saver()进行保存

使用saver.restore()进行重现

这一部分详见这一篇文章。

2.pb文件

2.1优势

（1）谷歌推荐的保存模型的方式是保存模型为 PB 文件，它具有语言独立性，可独立运行，封闭的序列化格式，任何语言都可以解析它，它允许其他语言和深度学习框架读取、继续训练和迁移 TensorFlow 的模型&