tensorflow的模型保存於讀取

源自 https://www.cnblogs.com/denny402/p/6940134.html

在模型的保存部分有兩個重要的函數，

第一個 : saver = tf.train.Saver( )

我的理解是： 這行代碼大概就相當於實例化；

這個函數有一個很重要的參數，max_to_keep， 這個值決定了你要保存最後幾次的模型

可能這樣說很難讓人理解，其實就是這樣；

max_to_keep=1 我們保存最後那次修鍊的模型 ( 譬如說我們的 epoch = 10, 那麼就只會保存第十次訓練的模型)

max_to_keep=10 . 則這10次的模型就都會被保存下來，（然而個人感覺這並沒有什麼卵用）

現在我們有了一個實例化的object了，我們來用第二個函數

saver.save(sess,"ckpt/mnist.ckpt",global_step=step)

從名字就不難看出來，這行代碼的作用就是保存，

第一個參數sess自然就不必多說了， 第二個參數設定保存的路徑和名字（保存在ckpt文件夾下，名字為mnist. ckpt）

第三個參數嚴格意義上來說也是用來命名的，他們將訓練的次數作為後綴加入到你的文件名字中

譬如說我們的epoch = 10（我的意思是step = 10）

那麼我們執行上面的語句，你ckpt文件夾下的文件就會是這樣： mnist-10.ckpt

因為不是科班出身，我並沒有學過資料庫，所以對pointcheck的定義也很含糊，我爭取這周簡單的看一下這方面的知識然後在回來充分的理解一下。。。。。

在附上我看過的覺得挺好的一篇博客，和大家分享一下https://blog.csdn.net/Laurenitum0716/article/details/79326128

經過上面的兩步，我們的模型就保存完畢了，

如果我們想要恢復這個模型，則要用到是restore()函數

我們看到，這個restore一共3個參數，self, sess 自然不必說

第三個參數： save_path指的是保存的模型路徑。

我們可以使用tf.train.latest_checkpoint（）來自動獲取最後一次保存的模型。

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

ps : open (w--覆蓋，a-- 不覆蓋)

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！