在看別人的訓練網絡中一開頭就遇到這樣一行代碼：

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

鼠標放在函數名上，ctrl+B，或者ctrl+點擊函數名，可以跳轉到函數的定義，可以知道tf.train.get_checkpoint_state函數通過目錄下的checkpoint文件找到checkpoint狀態proto。

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

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

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

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。

既然有預訓練的模型，就應該把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。

當需要恢復某個模型的參數，繼續進行訓練時，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），恢復訓練時的最后一個模型參數：

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 繼續訓練已經保存的模型，側面也表明之前有預訓練的模型#saver.restore(sess, ckpt.model_checkpoint_path) #恢復模型參數，繼續訓練saver.restore(sess,'checkpoints/noiseMScsC8_epoch15.ckpt-15') # 恢復模型參數，繼續訓練.預訓練了15次，config中默認512次#https://www.cnblogs.com/darkknightzh/p/7198773.htmlprint('{} restored.'.format(ckpt.model_checkpoint_path))

?

總結

以上是生活随笔為你收集整理的TensorFlow学习之——checkpoints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。