Tensorflow Saver

1. TF---Saver背景介绍

在训练完一个model后hope保存训练的结果（结果：model参数），以便下次迭代的训练或测试， TF针对这一需求提供了Saver类；

（1）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文件是一二进制文件，作用：把变量名映射到对应的tensor值。

（2）只要提供一个计数器，但计数器触发时，Saver类可自动生成checkpoint文件，可保存训练过程中多个训练结果，如：保存每一步训练结果…

（3）为避免填充整个磁盘，Saver可自动管理Checkpoints文件，如，可指定保存最近N个Checkpoints文件

In short, Saver类将训练结果保存为checkpoint二进制文件，同时可保存多个checkpoint文件

2. Saver实例------4参数

isTrain: 用来区分训练阶段和测试阶段， True表训练 False 表测试

train_steps: 表训练次数 example：100

checkpoint_steps: 表训练多少次保存一下checkpoints example：50

checkpoint_dir: 表 checkpoints文件保存路径 example：当前路径

3. 训练阶段

使用Saver.save()方法保存模型：

sess: 当前会话当前会话记录着当前所有变量值

checkpoint_dir + ‘ model.ckpt ’: 表checkpoint文件的文件名

global_step: 表当前是第几步

训练完成后，保存目录会至少多出4个文件（checkpoint create.py model.ckpt-50 model.ckpt-50.meta …）后面两个文件可能重复

4. 测试阶段

使用saver.restore( ) 方法恢复变量

sess: 表当前会话，之前保存的结果被加载到这个sess（会话）
ckpt.model_checkpoint_path:表model存储位置（不需要有模型名字，系统会自动查看ckptpoint 文件，看看最新的是谁，name是什么）

具体流程( 含命令行 )

为了保存训练好的模型参数，以便以后验证和测试，TF提供了tf.train.Saver()模块

模型保存，

1.. 创建Saver对象 同时设置max_to_keep 参数

需要创建一个Saver对象：

saver = tf.train.Saver()

在创建saver对象时，有一参数max_to_keep参数，设置保存模型的个数；默认max_to_keep=5（保存最近的5个模型）;若如果你想每训练一代（epoch)就想保存一次模型，则可以将 max_to_keep设置为None或者0

saver = tf.train.Saver( max_to_keep = 0 )

若只想保存最后一次模型参数，只需saver = tf.train.Saver( max_to_keep = 1 )

2.. 保存模型

创建完Saver对象后，就可以保存模型了

如：saver.save( sess, ‘ckpt/mnist.ckpt’, global_step = step )

第一个参数sess 当前会话当前会话记录着当前所有变量值

第二个参数指定保存路径和名字

第三个参数：将训练次数作为后缀添加到模型名字后

如：saver.save(sess, 'my-model', global_step=0) ==> filename: 'my-model-0'

3.. 模型恢复 restore()函数

有两个参数restore( sess, save_path ) save_path指的是保存的模型路径。我们可以使用tf.train.latest_checkpoint（）来自动获取最后一次保存的模型

如： model_file = tf.train.latest_checkpoint( ‘ckpt/ ‘ )

saver.restore( sess, model_file )

reference：

https://blog.csdn.net/u011500062/article/details/51728830

http://www.imooc.com/article/33993 结构清晰

http://blog.csdn.net/weixin_38208741/article/details/78812562 例子和细节

Tensorflow Saver相关推荐

手把手教你使用TF服务将TensorFlow模型部署到生产环境
2019独角兽企业重金招聘Python工程师标准>>> 介绍将机器学习(ML)模型应用于生产环境已成为一个火热的的话题,许多框架提供了旨在解决此问题的不同解决方案.为解决这一问题, ...
tensorflow图形识别_手把手教你使用TF服务将TensorFlow模型部署到生产环境
摘要: 训练好的模型不知道如何布置到生产环境?快来学习一下吧! 介绍将机器学习(ML)模型应用于生产环境已成为一个火热的的话题,许多框架提供了旨在解决此问题的不同解决方案.为解决这一问题,谷歌发布了 ...
【tensorflow】生成.pb文件
Saving, Freezing, Optimizing for inference, Restoring of tensorflow models 在训练完tensorflow模型后,会有三个文件: ...
tensorflow实战：由ckpt转成pb步骤的总结
最近真的项目很紧,996模式开启了多日,在完成项目一小步后,总算有时间进行一些梳理,也是对tensorflow有了更多的认识. 之前在学校实验室中,其实并不涉及太多tensorflow c++端的接口 ...
TensorFlow 1.x 深度学习秘籍：6~10
原文:TensorFlow 1.x Deep Learning Cookbook 协议:CC BY-NC-SA 4.0 译者:飞龙本文来自[ApacheCN 深度学习译文集],采用译后编辑(MTP ...
tensorflow 1.x Saver(保存与加载模型) 预测
20201231 tensorflow 1.X 模型保存 https://blog.csdn.net/qq_35290785/article/details/89646248 保存模型 saver=t ...
tensorflow 1.0 学习：模型的保存与恢复(Saver)
将训练好的模型参数保存起来,以便以后进行验证或测试,这是我们经常要做的事情.tf里面提供模型保存的是tf.train.Saver()模块. 模型保存,先要创建一个Saver对象:如 saver=tf. ...
1、Tensorflow 之 saver与checkpoint
1.Tensorflow 模型文件 checkpoint model.ckpt-200.data-00000-of-00001 model.ckpt-200.index model.ckpt-200. ...
tensorflow中用saver保存模型
我们在用tensorflow训练模型时,可能需要训练很长很长一段时间,为了方便下次使用,应该将模型保存起来.在sklearn中,我们可以使用pickle模块进行模型保存:而在tensorflow中 ...
Tensorflow保存神经网络参数有妙招：Saver和Restore
摘要:这篇文章将讲解TensorFlow如何保存变量和神经网络参数,通过Saver保存神经网络,再通过Restore调用训练好的神经网络. 本文分享自华为云社区<[Python人工智能] 十一. ...

Tensorflow Saver

Tensorflow Saver相关推荐

最新文章

热门文章