1、Tensorflow 模型文件

• checkpoint
• model.ckpt-200.data-00000-of-00001
• model.ckpt-200.index
• model.ckpt-200.meta

1.1 meta文件

model.ckpt-200.meta文件保存的是圖結構，通俗地講就是神經網絡的網絡結構。一般而言網絡結構是不會發生改變，所以可以只保存一個就行了。我們可以使用下面的代碼只在第一次保存meta文件。

saver.save(sess, 'my-model', global_step=step,write_meta_graph=False)

并且還可以使用tf.train.import_meta_graph(‘model.ckpt-200.meta’)能夠導入圖結構。

1.2 data文件

model.ckpt-200.data-00000-of-00001為數據文件，保存的是網絡的權值，偏置，操作等等。

1.3 index文件

model.ckpt-200.index是一個不可變得字符串表，每一個鍵都是張量的名稱，它的值是一個序列化的BundleEntryProto。 每個BundleEntryProto描述張量的元數據：“數據”文件中的哪個文件包含張量的內容，該文件的偏移量，校驗和，一些輔助數據等等。

注意: 以前的版本中tensorflow的model只保存一個文件中。

2 保存和恢復Tensorflow模型

2.1 保存模型

tf.train.Saver 類別提供了保存和恢復模型的方法。tf.train.Saver 構造函數針對圖中所有變量或指定列表的變量將 save 和 restore op 添加到圖中。Saver 對象提供了運行這些 op 的方法，指定了寫入或讀取檢查點文件的路徑。

一般而言，如果不指定任何參數，tf.train.Saver會保存所有的參數。下面是一個簡單的例子：

import tensorflow as tf # Create some variables. v1 = tf.get_variable("v1", shape=[3], initializer = tf.zeros_initializer) v2 = tf.get_variable("v2", shape=[5], initializer = tf.zeros_initializer)inc_v1 = v1.assign(v1+1) dec_v2 = v2.assign(v2-1)# Add an op to initialize the variables. init_op = tf.global_variables_initializer()# Add ops to save and restore all the variables. saver = tf.train.Saver()# Later, launch the model, initialize the variables, do some work, and save the # variables to disk. with tf.Session() as sess:sess.run(init_op)# Do some work with the model. inc_v1.op.run()dec_v2.op.run()# Save the variables to disk.save_path = saver.save(sess, "tmp/model.ckpt")print("Model saved in path: %s" % save_path) View Code

最后會將v1和v2以及op都保存下來。但是如果你只想保存v1和v2，你可以這樣寫。

tf.train.Saver(V1.values()+V2.values())

2.2 加載模型

模型加載需要利用Saver.restore方法。可以加載固定參數，也可以加在所有參數。

saver.restore(sess,model_path)

2.3 加載模型限制

pre-trained 模型常用來做遷移學習，但是卻存在一個限制，那就是網絡的前一層必須是一致的，以vgg16為例，如果你利用前面幾層提取特征，前面幾層的網絡必須得和vgg保持一致。而后面的網絡參數是隨機初始化的。

參考文獻

[1]?https://blog.csdn.net/gzj_1101/article/details/80299610

轉載于:https://www.cnblogs.com/ai-learning-blogs/p/11530553.html

總結

以上是生活随笔為你收集整理的1、Tensorflow 之 saver与checkpoint的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。