tensorflow 保存和加载模型 -2

1、

我们经常在训练完一个模型之后希望保存训练的结果，这些结果指的是模型的参数，以便下次迭代的训练或者用作测试。Tensorflow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文件是一个二进制文件，它把变量名映射到对应的tensor值。
2. 只要提供一个计数器，当计数器触发时，Saver类可以自动的生成checkpoint文件。这让我们可以在训练过程中保存多个中间结果。例如，我们可以保存每一步训练的结果。
   
3. 为了避免填满整个磁盘，Saver可以自动的管理Checkpoints文件。例如，我们可以指定保存最近的N个Checkpoints文件。

2、code

import tensorflow as tf
import numpy as np

isTrain = True
train_steps = 100
checkpoint_steps = 50
checkpoint_dir = '/home/jdlu/jdluTensor/test/tmp/'

x = tf.placeholder(tf.float32, shape=[None, 1])
y = 4 * x + 4

w = tf.Variable(tf.random_normal([1], -1, 1))
b = tf.Variable(tf.zeros([1]))
y_predict = w * x + b


loss = tf.reduce_mean(tf.square(y - y_predict))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

isTrain = False
train_steps = 100
checkpoint_steps = 50
checkpoint_dir = ''

saver = tf.train.Saver()  # defaults to saving all variables - in this case w and b
x_data = np.reshape(np.random.rand(10).astype(np.float32), (10, 1))

with tf.Session() as sess:
    sess.run(tf.initialize_all_variables())
    if isTrain:
        for i in xrange(train_steps):
            sess.run(train, feed_dict={x: x_data})
            if (i + 1) % checkpoint_steps == 0:
                saver.save(sess, checkpoint_dir + 'model.ckpt', global_step=i+1)
    else:
        ckpt = tf.train.get_checkpoint_state(checkpoint_dir)
        if ckpt and ckpt.model_checkpoint_path:
            saver.restore(sess, ckpt.model_checkpoint_path)
        else:
            pass
        print(sess.run(w))
        print(sess.run(b))

说明：

训练的过程：

1、先设置isTrain=True,然后会保存模型,设置isTrain=False会将训练好的模型加载进来进行测试

2、train_steps：表示训练的次数，例子中使用100
3、checkpoint_steps：表示训练多少次保存一下checkpoints，例子中使用50
4、checkpoint_dir：表示checkpoints文件的保存路径，例子中使用当前路径

    if isTrain:
        for i in xrange(train_steps):
            sess.run(train, feed_dict={x: x_data})
            if (i + 1) % checkpoint_steps == 0:
                saver.save(sess, checkpoint_dir + 'model.ckpt',global_step = i+1)

说明：每训练checkpoint_steps就保存一次模型,在训练的过程中,就可以多次保存模型。

测试的过程：

1、测试的过程就是加载训练模型好的模型

 ckpt = tf.train.get_checkpoint_state(checkpoint_dir)
        if ckpt and ckpt.model_checkpoint_path:
            saver.restore(sess, ckpt.model_checkpoint_path)
        else:
            pass
        print(sess.run(w))
        print(sess.run(b))

说明：

checkpoint的文件内容:

保存model的路径下的文件内容：

saver.save(sess, checkpoint_dir + 'model.ckpt',global_step = i+1)

每次保存一次都会相应生成三个文件,分别是.data-00000-of-00001,.index,.meta

==================================================================================================================