tensorflow模型保存与载入

用Tensorflow做一些事情，最近遇到的问题是训练到的模型怎么用？

网上搜了一下，最常用的就是使用tf.train.Saver()定义saver变量，然后分别使用saver.save()和saver.restore()载入。

保存代码：

saver = tf.train.Saver() 
with tf.Session() as sess: 
  sess.run(init) 
  save_path = saver.save(sess,"results/model") 

保存后，在results目录会生成四个文件：

• checkpoint：该文件记录了模型文件的路径信息
• model.data-00000-of-0001：网络权重信息
• model.index：二进制文件，保存了模型中的变量参数信息
• model.meta：保存了模型的计算图结构信息

tensorflow版本是1.14.0，若tf2.0，因为不再用计算图了，应该会有所不同，以后用到再说。

当然，还可以将中间的训练数据保存下来，而不仅保存最终状态：

saver.save(agent.sess, 'result\\model',global_step=i,write_meta_graph=True)

加上global_step后在迭代过程中保存模型，会在模型文件后加上“-i”，生成一系列的文件。载入的时候可以载入其中任意一个进行查看了。其实这个是我需要的，不只要最终，过程的也要看一下。

载入代码：

with tf.Session() as sess:
    saver = tf.train.import_meta_graph('result\\model-141.meta')
    #saver.restore(sess, tf.train.latest_checkpoint('result\\'))
    saver.restore(sess, 'result\\model-141' )
    w1=sess.run('w:0')
    print(w1)

载入141次迭代的模型，并输出权重w1

---

能存能重载了就没再管，现在2020年了，查看结果的时候发现，模型只保存了5个训练步的，并没有保存所有。查看了tf.train.Saver()和saver.save的参数，才算明白，再来更新一波。

Saver类的构造函数定义如下：

def __init__(self,
    var_list=None,
    reshape=False,
    sharded=False,
    max_to_keep=5,
    keep_checkpoint_every_n_hours=10000.0,
    name=None,
    restore_sequentially=False,
    saver_def=None,
    builder=None,
    defer_build=False,
    allow_empty=False,
    write_version=saver_pb2.SaverDef.V2,
    pad_step_number=False,
    save_relative_paths=False,
    filename=None):

变量定义：
var_list： 指定要保存的变量的序列或字典，默认为None，即保存所有变量
reshape： 可选布尔型参数，True，表示允许变量以不同的形状保存，False，表示保持的变量只能有同样一种形状和数据类型，默认为False;
max_to_keep： 定义最多保存多少个最近模型文件，默认是5个，这正是我保存的模型只有五个的原因；
keep_checkpoint_every_n_hours： 定义多少个小时保存模型一次，默认10000个小时;
name： 可选参数，添加到操作名称前的前缀，默认None;
restore_sequentially：定义在设备上是否按照顺序恢复变量，顺序恢复可以降低内参使用，默认False;
saver_def：可选参数，用在需要重建Saver对象场合，默认None;
allow_empty：是否允许保存一个没有任何变量的空图，默认False;

saver.save函数定义：

def save(self,
    sess,
    save_path,
    global_step=None,
    latest_filename=None,
    meta_graph_suffix="meta",
    write_meta_graph=True,
    write_state=True,
    strip_default_attrs=False):

常用参数：
sess： 当前的会话环境;
save_path: 模型保存路径;
global_step： 训练轮次，前文已说明；
latest_filename： checkpoint文本文件的名称，默认为‘checkpoint’
meta_graph_suffix： 保存的网络图结构文件的后缀，默认为mata;
write_meta_graph： 定义是否保存网络结构，默认是True保存，由于网络结构在训练过程中是不会变的，所以保存过一次后可以设置 write_meta_graph为False，不用每次都保存图结构;