模型完成训练后保存权重 - Tensorflow答案

【问题标题】：Saving weights after model has finished training - Tensorflow模型完成训练后保存权重 - Tensorflow
【发布时间】：2017-09-23 01:06:12
【问题描述】：

在 Tensorflow 中，如何在程序完成训练后保存程序的权重和所有其他变量？我希望能够使用我稍后训练的模型。提前致谢。

【问题讨论】：

【解决方案1】：

你可以像这样定义一个保护对象：

saver = tf.train.Saver(max_to_keep=5, keep_checkpoint_every_n_hours=1)

在这种情况下，保存程序配置为保留五个最近的检查点，并且在训练期间每小时保留一个检查点。

然后可以在您的主训练循环中定期调用保护程序，如下所示。

sess=tf.Session()

    ...

    # Save the model every 100 iterations
    if step % 100 == 0:
        saver.save(sess, "./model", global_step=step)

在此示例中，保存程序每 100 个训练步骤将检查点保存到 ./model 子目录中。可选参数global_step 将此值附加到检查点文件名。

稍后可以通过以下方式恢复模型权重和其他值，以进行额外的训练或推理：

        saver.restore(sess, path.model_checkpoint_path)

还有许多其他有用的变体和选项。开始学习它们的好地方是关于变量创建、存储和检索的 TF how-to here

【讨论】：