当前位置：网站首页>深度学习源码项目里的checkpoint

深度学习源码项目里的checkpoint

2022-07-21 05:04:00 【Jumbo星】

这几天刚入门跑别人论文的项目（TDD-net）。对项目里的checkpoint比较好奇，于是上网搜寻了相关资料。

简单地说，在使用tensorflow跑模型的时候，我们不可能一次跑完，中间要保存一下的（就像写文章中间要保存下草稿）。因此checkpoint其实就是保存下来的中间模型。

保存了TensorFlow 模型之后，我们会得到如下图所示的4个文件：

checkpoint中包含了需要加载模型的目录，需要根据实际地址修改一下。

“.ckpt.meta”是一个protocol buffer，用于保存完整的Tensorflow图/完整的神经网络结构图；即所有变量，操作，集合等。也就是你能在tensorboard/graph中看见的内容。但是不包含变量的值，也就是说TensorFlow是把图结构和变量值分开储存的。

“.ckpt.data”保存了所有的变量的值/已训练好的变量参数/网络权重值，但是不包含结构。

“ ckpt.index”描述了variable中key和value的对应关系。

如果要在python中恢复一个模型，我们只需要使用同时用到meta和data文件：

with tf.Session() as sess:
    saver = tf.train.import_meta_graph('/tmp/model.ckpt.meta')
    saver.restore(sess, "/tmp/model.ckpt")

在这里，我们需要先导入.meta文件，再导入.data文件，否则模型不知道如何把checkpoint里面的值对应到变量上。

作者：风影忍着
链接：https://www.zhihu.com/question/265634425/answer/1784814150
来源：知乎
著作权归作者所有。

版权声明
本文为[Jumbo星]所创，转载请带上原文链接，感谢
https://blog.csdn.net/jiangqixing0728/article/details/124386609