tf.train.Saver()

最新推荐文章于 2025-07-23 16:26:09 发布

原创最新推荐文章于 2025-07-23 16:26:09 发布 · 489 阅读

1 ·

CC 4.0 BY-SA版权

本文详细介绍了TensorFlow中的tf.train.Saver()，如何实例化对象，设置保存最大checkpoint文件数和间隔时间。通过示例展示了如何保存和恢复模型，包括保存的四个文件的作用，以及如何继续训练或进行测试。

参考:

https://blog.youkuaiyun.com/liuxiaodong400/article/details/83421164

1. 实例化对象

saver=tf.train.Saver(max_to_keep=1)
class Saver(object):
    def __init__(self,
               var_list=None,
               reshape=False,
               sharded=False,
               max_to_keep=5,
               keep_checkpoint_every_n_hours=10000.0,
               name=None,
               restore_sequentially=False,
               saver_def=None,
               builder=None,
               defer_build=False,
               allow_empty=False,
               write_version=saver_pb2.SaverDef.V2,
               pad_step_number=False,
               save_relative_paths=False,
               filename=None):

max_to_keep:表明保存的最大checkpoint文件数,当一个新文件创建的时候,旧文件就会被删除掉,如果值为none或,表示保存所有的checkpoint文件,默认值为5,也就是保存最近的5个checkpoint文件.

keep_checkpoint_every_n_hours: 除了保存最近的checkpoint文件,每隔N小时保存一个checkpoint文件.

2.保存训练过程中的或者训练好的,模型图及权重系数

2.1 前面创建好saver对象后,就可以保存训练好的模型了

saver.save(sess=sess,save_path=model_save_path,global_step=step)

第一个参数sess=sess,会话名字

第二个参数,save_path=model_save_path,权重参数保存的路径和文件名

第三个参数,global_step=step,将训练的的次数作为后缀加入到模型名字中

2.2,一次saver.save()后可以在文件夹中看到新增的4个文件

每调用一次保存操作会创建后3个文件,并创建一个检查点checkpoint文件

简单理解就是权重等参数被保存到.ckpt.data文件中,以字典的形式

.ckpt.index,应该是内部需要的某种索引来正确映射前两个文件

.ckpt.meta,文件保存图和元数据,可以使用tf.train.import_meta_graph加载

3. 重载模型参数,继续训练或用于测试

saver.restore(sess=sess, save_path=model_save_path)

第一个参数sess=sess,会话名字

第二个参数,save_path=model_save_path,权重参数保存的路径和文件名