在特定迭代或检查点将模型加载/恢复到 tensorflow答案

【问题标题】：Load / restore models into tensorflow at specific iteration or checkpoint在特定迭代或检查点将模型加载/恢复到 tensorflow
【发布时间】：2017-01-04 03:01:33
【问题描述】：

我有一个模型，每 10 次迭代就保存一次。所以，我保存的目录中有以下文件。

checkpoint  model-50.data-00000-of-00001  model-50.index  model-50.meta
model-60.data-00000-of-00001  model-60.index  model-60.meta

等等，直到 100 。我只需要加载model-50。因为我有 70 次迭代后的 NaN 值。默认情况下，当我恢复保护程序时，将查找最终检查点。那么，我该如何专门加载model-50。请帮忙，否则，我必须从头开始运行模型增益，这很耗时。

【问题讨论】：

我认为你可以手动编辑checkpoint 作为一个非常粗糙的黑客
@martianwars - 你能说得更具体些吗？
我的意思是保存目录中的文件checkpoint
应该有更好的方法来做到这一点。让我们等一天（我也会在当天晚些时候查看）。如果没有答案，我会写这个作为答案
@martianwars - 太棒了

标签： python tensorflow restore

【解决方案1】：

由于您正在使用tf.train.Saver 的函数restore()，您可以使用last_checkpoints 函数来获取所有可用检查点的列表。您将在此列表中同时看到 model-50 和 model-60。

选择正确的模型，像这样直接传递给restore()，

saver.restore(sess, ckpt_path)

【讨论】：

【解决方案2】：

我不确定过去是否有所不同，但至少到目前为止，您可以使用 tf.train.get_checkpoint_state() 获取包含 all_model_checkpoint_paths 的 CheckpointState proto。

【讨论】：

【解决方案3】：

当您执行大多数关于保存/恢复模型saver.restore(sess, tf.train.latest_checkpoint(_dir_models)) 的教程中显示的命令时，您传递的第二个参数只是模型路径的字符串。这是在saver.restore 文档中定义的。

save_path：之前保存参数的路径。

因此，您可以在那里设置任何字符串的路径，而 latest_checkpoint 只是一个方便的函数，可以从 checkpoint 文件中提取此路径。在笔记本中打开此文件，您将看到所有可用的模型路径以及最新的路径。

您可以将该路径替换为您想要的任何路径。您可以从该文件中获取它（手动打开它或使用 get_checkpoin_state 以编程方式为您完成。

【讨论】：