Tensorflow之Saver的用法详解_Python

saver的用法

1. saver的背景介绍

我们经常在训练完一个模型之后希望保存训练的结果，这些结果指的是模型的参数，以便下次迭代的训练或者用作测试。tensorflow针对这一需求提供了saver类。

saver类提供了向checkpoints文件保存和从checkpoints文件中恢复变量的相关方法。checkpoints文件是一个二进制文件，它把变量名映射到对应的tensor值。

只要提供一个计数器，当计数器触发时，saver类可以自动的生成checkpoint文件。这让我们可以在训练过程中保存多个中间结果。例如，我们可以保存每一步训练的结果。

为了避免填满整个磁盘，saver可以自动的管理checkpoints文件。例如，我们可以指定保存最近的n个checkpoints文件。

2. saver的实例

下面以一个例子来讲述如何使用saver类

									import tensorflow as tf 

									import numpy as np  

									x = tf.placeholder(tf.float32, shape=[none, 1]) 

									y = 4 * x + 4

									w = tf.variable(tf.random_normal([1], -1, 1)) 

									b = tf.variable(tf.zeros([1])) 

									y_predict = w * x + b 

									loss = tf.reduce_mean(tf.square(y - y_predict)) 

									optimizer = tf.train.gradientdescentoptimizer(0.5) 

									train = optimizer.minimize(loss)  

									istrain = false 

									train_steps = 100

									checkpoint_steps = 50

									checkpoint_dir = ''  

									saver = tf.train.saver() # defaults to saving all variables - in this case w and b 

									x_data = np.reshape(np.random.rand(10).astype(np.float32), (10, 1))  

									with tf.session() as sess: 

									  sess.run(tf.initialize_all_variables()) 

									  if istrain: 

									    for i in xrange(train_steps): 

									      sess.run(train, feed_dict={x: x_data}) 

									      if (i + 1) % checkpoint_steps == 0: 

									        saver.save(sess, checkpoint_dir + 'model.ckpt', global_step=i+1) 

									  else: 

									    ckpt = tf.train.get_checkpoint_state(checkpoint_dir) 

									    if ckpt and ckpt.model_checkpoint_path: 

									      saver.restore(sess, ckpt.model_checkpoint_path) 

									    else: 

									      pass

									    print(sess.run(w)) 

									    print(sess.run(b))