tensorflow保存和加载模型

最新推荐文章于 2022-12-02 14:07:10 发布

原创最新推荐文章于 2022-12-02 14:07:10 发布 · 160 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow

tensorflow 专栏收录该内容

11 篇文章

订阅专栏

本文详细介绍了在TensorFlow中如何使用Saver类保存和加载模型。包括创建Saver实例，通过调用save方法保存模型到指定路径，并利用get_checkpoint_state获取最新检查点文件路径，最后通过restore方法从路径加载模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

保存的结果：

checkpoint files：二进制文件，保存了所有weights，biases，gradient and all the other variables的值。也就是上图中的.data-00000-of-00001和.index文件。.data文件包含了所有的训练变量。以前的TensorFlow版本是一个ckpt文件，现在就是这两个文件了。与此同时，Tensorflow还有一个名为checkpoint的文件，只保存最新检查点文件的记录，即最新的保存路径。

m_saver = tf.train.Saver()
# 保存
m_saver.save(sess, './model/mnist_slp', global_step=i)
ckpt = tf.train.get_checkpoint_state('./model/mnist_slp')
path = ckpt.model_checkpoint_path
# 加载
m_saver.restore(sess, path)