1. Saver的背景介紹

? ? 我們經常在訓練完一個模型之后希望保存訓練的結果，這些結果指的是模型的參數，以便下次迭代的訓練或者用作測試。Tensorflow針對這一需求提供了Saver類。

Saver類提供了向checkpoints文件保存和從checkpoints文件中恢復變量的相關方法。Checkpoints文件是一個二進制文件，它把變量名映射到對應的tensor值 。

只要提供一個計數器，當計數器觸發時，Saver類可以自動的生成checkpoint文件。這讓我們可以在訓練過程中保存多個中間結果。例如，我們可以保存每一步訓練的結果。

為了避免填滿整個磁盤，Saver可以自動的管理Checkpoints文件。例如，我們可以指定保存最近的N個Checkpoints文件。

2. Saver的實例

下面以一個例子來講述如何使用Saver類
[python]?view plain?copy

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))??

isTrain：用來區分訓練階段和測試階段，True表示訓練，False表示測試
train_steps：表示訓練的次數，例子中使用100
checkpoint_steps：表示訓練多少次保存一下checkpoints，例子中使用50
checkpoint_dir：表示checkpoints文件的保存路徑，例子中使用當前路徑

2.1 訓練階段

使用Saver.save()方法保存模型：

sess：表示當前會話，當前會話記錄了當前的變量值

checkpoint_dir + 'model.ckpt'：表示存儲的文件名

global_step：表示當前是第幾步

訓練完成后，當前目錄底下會多出5個文件。
? ? 打開名為“checkpoint”的文件，可以看到保存記錄，和最新的模型存儲位置。

2.1測試階段

? ? 測試階段使用saver.restore()方法恢復變量：

sess：表示當前會話，之前保存的結果將被加載入這個會話

ckpt.model_checkpoint_path：表示模型存儲的位置，不需要提供模型的名字，它會去查看checkpoint文件，看看最新的是誰，叫做什么。

? ? 運行結果如下圖所示，加載了之前訓練的參數w和b的結果

總結

以上是生活随笔為你收集整理的Saver的用法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。