带有检查点的 TensorFlow simple_save答案

【问题标题】：Tensorflow simple_save with checkpoints带有检查点的 TensorFlow simple_save
【发布时间】：2019-01-31 09:51:21
【问题描述】：

我正在尝试在训练时以不同的步骤保存我的模型。假设我想在 5 个 epoch 后保存。

此时我正在使用：

tf.saved_model.simple_save(
            sess, model_folder, inputs, outputs
        )

这是一种魅力。尽管如此，我意识到它在每次迭代中保存了整个图和权重，这具有很高的计算成本。

我想更新我的模型的权重，保留之前保存的图表（因为它在训练期间没有改变）

我已经阅读了关于 tf.train.Saver 的内容，这似乎符合我的意图。但这迫使我指定要保存的所有变量，这不如 simple_save 方法实用。所以我想知道是否有任何方法可以以检查点方式使用 simple_save。

【问题讨论】：

标签： python tensorflow

【解决方案1】：

我认为您对tf.train.Saver 的理解有误。你可以做一些简单的事情：

saver = tf.train.Saver()
with tf.Session() as sess:
    for e in range(epochs):
        ...
        if e % 5 == 0:
            saver.save(sess, "/path/where/to/save/model")

因此无需指定要保存的每个变量。

【讨论】：