在看別人的訓(xùn)練網(wǎng)絡(luò)中一開頭就遇到這樣一行代碼：

ckpt = tf.train.get_checkpoint_state(directories.checkpoints)

鼠標放在函數(shù)名上，ctrl+B，或者ctrl+點擊函數(shù)名，可以跳轉(zhuǎn)到函數(shù)的定義，可以知道tf.train.get_checkpoint_state函數(shù)通過目錄下的checkpoint文件找到checkpoint狀態(tài)proto。

訓(xùn)練可能分成多次迭代，在迭代期間或者訓(xùn)練完成測試之前，需要將訓(xùn)練得到的參數(shù)保存到一個文件中，等到需要時再從文件中讀取。TensorFlow提供了兩種模型格式：

• checkpoints：這種格式依賴于創(chuàng)建模型的代碼。
• SavedModel：這種格式與創(chuàng)建模型的代碼無關(guān)。

Checkpoints文件是這樣的一個二進制文件，好比是一個中轉(zhuǎn)站，Tensorflow針對這一需提供了Saver類把變量名映射到對應(yīng)的tensor值，并可以從checkpoints文件中恢復(fù)變量。

再回到第一行代碼，返回得到的ckpt其中有model_checkpoint_path和all_model_checkpoint_paths兩個屬性。其中model_checkpoint_path保存了最新的tensorflow模型文件的文件名，all_model_checkpoint_paths則有未被刪除的所有tensorflow模型文件的文件名。

既然有預(yù)訓(xùn)練的模型，就應(yīng)該把checkpoint文件放入文件夾下。checkpoint文件其實有三個文件組成，后綴名分別是.meta和.index和.data-00000-of-00001文件。

當需要恢復(fù)某個模型的參數(shù)，繼續(xù)進行訓(xùn)練時，可以使用下面的代碼（不需要加后綴，就可以同時包含三個文件），恢復(fù)訓(xùn)練時的最后一個模型參數(shù)：

if args.restore_last and ckpt.model_checkpoint_path: #.model_checkpoint_path保存了最新的tensorflow模型文件的文件名# Continue training saved model 繼續(xù)訓(xùn)練已經(jīng)保存的模型，側(cè)面也表明之前有預(yù)訓(xùn)練的模型#saver.restore(sess, ckpt.model_checkpoint_path) #恢復(fù)模型參數(shù)，繼續(xù)訓(xùn)練saver.restore(sess,'checkpoints/noiseMScsC8_epoch15.ckpt-15') # 恢復(fù)模型參數(shù)，繼續(xù)訓(xùn)練.預(yù)訓(xùn)練了15次，config中默認512次#https://www.cnblogs.com/darkknightzh/p/7198773.htmlprint('{} restored.'.format(ckpt.model_checkpoint_path))

?

總結(jié)

以上是生活随笔為你收集整理的TensorFlow学习之——checkpoints的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。