參考：

TensorFlow：保存和提取模型
最全Tensorflow模型保存和提取的方法——附實(shí)例

模型的保存會(huì)覆蓋，后一次保存的模型會(huì)覆蓋上一次保存的模型。最多保存近5次結(jié)果。

應(yīng)當(dāng)保存效果最優(yōu)時(shí)候的模型，而不是訓(xùn)練最后一次的模型。所以應(yīng)該在每次進(jìn)行模型性能評(píng)估后與保存的目前最后效果比較，如果性能更好則進(jìn)行模型的保存。

模型的復(fù)用，當(dāng)你想用別的性能評(píng)估指標(biāo)的時(shí)候，不需要再次訓(xùn)練模型來(lái)獲得指標(biāo)值，可以提取最優(yōu)模型直接計(jì)算新指標(biāo)的值。

sess=tf.InteractiveSession() sess.run(tf.global_variables_initializer())is_train=False saver=tf.train.Saver(max_to_keep=3)#訓(xùn)練階段 if is_train:max_acc=0f=open('ckpt/acc.txt','w')for i in range(100):batch_xs, batch_ys = mnist.train.next_batch(100)sess.run(train_op, feed_dict={x: batch_xs, y_: batch_ys})val_loss,val_acc=sess.run([loss,acc], feed_dict={x: mnist.test.images, y_: mnist.test.labels})print('epoch:%d, val_loss:%f, val_acc:%f'%(i,val_loss,val_acc))f.write(str(i+1)+', val_acc: '+str(val_acc)+'\n')if val_acc>max_acc:max_acc=val_accsaver.save(sess,'ckpt/mnist.ckpt',global_step=i+1)f.close()#驗(yàn)證階段 else:model_file=tf.train.latest_checkpoint('ckpt/')saver.restore(sess,model_file)val_loss,val_acc=sess.run([loss,acc], feed_dict={x: mnist.test.images, y_: mnist.test.labels})print('val_loss:%f, val_acc:%f'%(val_loss,val_acc)) sess.close()

實(shí)操：

說(shuō)明：

Social Attentional Memory Network 是一個(gè)推薦系統(tǒng)的模型，代碼中沒(méi)有模型保存和提取操作，數(shù)據(jù)量也算是小的，可以下載下來(lái)練習(xí)一下如何實(shí)際操作。

SAMN 是我用這個(gè)模型進(jìn)行的練習(xí)，可以參考，代碼后面標(biāo)注 lly 的是我寫(xiě)的或者修改的內(nèi)容。

步驟：

先在原代碼的主目錄的下面建一個(gè)文件夾 model 。

第一次進(jìn)行訓(xùn)練，進(jìn)入目錄執(zhí)行 python SAMN.py ，其中參數(shù) is_train = True。
訓(xùn)練完后發(fā)現(xiàn)model文件夾下面多了五個(gè)模型，最后一次保存的模型為最后模型，出現(xiàn)在第171次迭代的時(shí)候，即epoch=170

然后在控制臺(tái)可以看到，epoch=170時(shí)候的評(píng)估結(jié)果：

迭代第 166 次的損失為:26.586210：迭代第 167 次的損失為:26.567725：迭代第 168 次的損失為:26.586499：迭代第 169 次的損失為:26.571110：迭代第 170 次的損失為:26.668282：recall--------------------------------------------------------------------------------0.16846666666666665 0.19796666666666665 0.22703333333333334 0.24936666666666668 0.2713666666666667ndcg----------------------------------------------------------------------------------0.103169807535364 0.11131981364691529 0.11824016391770284 0.12317271387061263 0.12777428228959994save epoch 170

第二次使用保存好的模型，先將 SAMN.py 文件的參數(shù) is_train 改為 False，再執(zhí)行文件。
執(zhí)行完后可以看到控制臺(tái)輸出的評(píng)估結(jié)果和之前訓(xùn)練的時(shí)候的結(jié)果一樣，證明操作成功。(最優(yōu)結(jié)果我只保留了k=[10, 20, 50]的情況)

總結(jié)

以上是生活随笔為你收集整理的tensorflow--模型的保存和提取的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。