（原）tensorflow保存模型及載入保存的模型

轉載請注明出處：

http://www.cnblogs.com/darkknightzh/p/7198773.html

參考網址：

http://stackoverflow.com/questions/41265035/tensorflow-why-there-are-3-files-after-saving-the-model

1. 保存模型

tensorflow中saver使用如下代碼保存模型時（假設程序位於/home/xxx/test，模型保存在/home/xxx/test/model。下面是簡化的代碼），使用下面的代碼：

saver = tf.train.Saver(tf.trainable_variables(), max_to_keep=3)

saver.save(sess, 'model/model.ckpt', global_step=step, write_meta_graph=False)
if not os.path.exists(' model/model.meta'):
    saver.export_meta_graph(metagraph_filename)

會保存下面這些文件：

每次都會保存.meta（可以判斷是否有該文件，如果沒有才保存）。

每次都會保存.ckpt-step.index和.ckpt-step.data-00000-of-00001文件（模型太大不清楚是否會有.ckpt-number.data-00000-of-00002等等文件）。

checkpoint文件內，會有下面的內容：

model_checkpoint_path: "/home/xxx/test/model/model.ckpt-16000"
all_model_checkpoint_paths: "/home/xxx/test/model/model.ckpt-12000"
all_model_checkpoint_paths: "/home/xxx/test/model/model.ckpt-14000"

2. 恢復模型參數，繼續訓練

當需要恢復某個模型的參數，繼續進行訓練時，可以使用下面的代碼：

saver.restore(sess, ‘model/model.ckpt-16000’)

這樣便可以恢復訓練時的最后一個模型參數。

不需要加上后綴.index或者.data-00000-of-00001。

3. 直接載入meta graph及模型參數

在測試時，可以通過下面的代碼直接通過meta graph構建網絡、載入訓練時得到的參數，並使用默認的session：

saver = tf.train.import_meta_graph(‘model/model.meta’)
saver.restore(tf.get_default_session(),’ model/model.ckpt-16000’)