tensorflow保存和恢复模型saver.restore

1.本文只对一些细节点做补充，大体的步骤就不详述了
2.保存模型
① 首先我使用的是tensorflow-gpu 1.4.0
② 这个版本生成的ckpt文件是这样的：

其中.meta存放的是网络模型和所有的变量；
.index 和.data一起存放变量数据
-0 -500表示checkpoint点
③ 保存的配置(一定细看代码注释！！！)

import tensorflow as tf
w1 = tf.Variable(变量的初始化, name='w1')
w2 = tf.Variable(变量的初始化, name='w2')
saver = tf.train.Saver([w1,w2],max_to_keep=5, keep_checkpoint_every_n_hours=2)   # 这里是细节部分，可以指定保存的变量，每两小时保存最近的5个模型
sess = tf.Session()
sess.run(tf.global_variables_initializer())
saver.save(sess, './checkpoint_dir/MyModel',global_step=step,write_meta_graph=False))   # 因为模型没必要多次保存，所以写为False

3.恢复模型(一定细看代码注释！！！)
代码：

import tensorflow as tf
with tf.Session() as sess:    
    saver = tf.train.import_meta_graph(模型路径)  # 模型路径中必须指定到具体的模型下如：xx.ckpt-500.meta，且一般来讲，所有模型都是一样的，如果没有改变模型的条件下。
    # 下面的restore就是在当前的sess下恢复了所有的变量
    saver.restore(sess,数据路径)  # 数据路径也必须指定到具体某个模型的数据，但创建这个路径的方法很多，比如调用最后一个保存的模型tf.train.latest_checkpoint('./checkpoint_dir')，也可以是xx.ckpt-500.data,并且这两个是等效的,如果是xx.ckpt-0.data，就是第一个模型的数据
    print(sess.run('w1:0'))  # 这里的w1必须加上:0

4.本人现在的研究方向是：图像的语义分割，如果有志同道合的朋友，可以组队学习
[email protected]