Tensorflow学习笔记：模型训练数据的保存和恢复的简单实例

#! /usr/bin/env python2# -*- coding: utf-8 -*-import tensorflow as tfimport numpy as npimport argparse'''保存模型训练后参数的简单实例'''print('保存和恢复模型训练后参数的简单实例：')#创建一个图my_graph = tf.Graph()with my_graph.as_default():var = tf.Variable(0, name='counter') #一个变量，初始值设置为0，但是要会话执行run才会被赋值#创建一个op, 实现var + 2step = tf.constant(2)newVar = tf.add(var, step)update = tf.assign(var, newVar)# 启动图后, 变量必须先经过`初始化` (init) op 初始化,# 首先必须增加一个`初始化` op 到图中.init_op = tf.initialize_all_variables()#创建saver来保存模型数据saver = tf.train.Saver()#在会话中运行或测试图def train_or_test(is_test):#创建会话，启动图with tf.Session(graph = my_graph) as sess:if is_test == False: #如果是训练模型print('Train begin...')sess.run(init_op) #先运行初始化操作print('var = %d' % sess.run(var)) #打印初始值#更新var,并打印for i in range(5):sess.run(update)print('[%d] var = %d' % (i, sess.run(var)))#保存每次迭代的结果，保存的文件从val_iter-1开始而不是0，这个有点搞不明白，有知道原因的麻烦给个留言 哈哈saver.save(sess, './model_data1/val_iter', global_step = i)saver.save(sess, './model_data1/val_final')else: #如果是测试模型print('Test begin...')for i in range(5)[1:]:iter_data_file = './model_data1/val_iter-' + str(i)#恢复每次迭代的结果saver.restore(sess, iter_data_file)print('[%d] var = %d' % (i, sess.run(var)))model_data = tf.train.latest_checkpoint('./model_data1/')print(model_data) # ./model_data1/val_finalsaver.restore(sess, model_data)print('read final var = %d' % sess.run(var))#必须定义这个main入口def main(_):train_or_test(ARGS.test)if __name__ == '__main__':parser = argparse.ArgumentParser()parser.add_argument('-t','--test',#type = int,default = False,action = 'store_true', # 运行 ./model_train1.py -t或--test 则ARGS.test被置为Truehelp = 'train: True, test: False.')  #ARGS, unparsed = parser.parse_known_args()#tf.app.run(main=main, argv=[sys.argv[0]] + unparsed)ARGS = parser.parse_args()print(ARGS)tf.app.run()'''命令：(1) ./model_train1.py  训练模型  (2) ./model_train1.py -t[--test] 测试模型''''''保存完 model_data1目录下出现：checkpoint      (具有最近检查点列表的协议缓冲区)val_final       (包含变量的值)val_final.meta  (包含图形结构)val_iter-1val_iter-1.meta...val_iter-4val_iter-4.meta'''