machine-learning - 恢复以保持训练不适用于 tensorflow

Question

我需要保存并恢复图表以保持上一个检查点的训练，但不知何故不起作用。

我使用saver = tf.train.Saver()来保存模型。并且:

with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess:
    # Initializing saver
    sess.run(tf.global_variables_initializer())
    save_path = saver.save(sess,model_path+"/%s.ckpt"%model_name)
    if flag == "initial_train":
        training_loop(num_epochs)
        flag = None
    else:
        new_saver = tf.train.import_meta_graph(model_path+"/%s.ckpt.meta"%model_name)
        new_saver.restore(sess, save_path)
        print("Model loaded")
        training_loop(num_epochs)

我真的不知道为什么它不导入权重

Answer 1

在随后的运行中，您是

1. 使用 sess.run(tf.global_variables_initializer() 初始化所有变量(以便它们具有初始随机/常量值)
2. 将初始化值保存到某个文件 (saver.save(sess,model_path+"/%s.ckpt"%model_name))
3. 从该文件加载那些随机初始化的值

所以您只是加载在第 3 行和第 4 行初始化并保存的内容。

另外，我不知道你如何传递信息，但是training_loop没有获得对saver的引用，并且你在训练循环后没有保存模型，所以看来你没有实际上将您的模型保存在任何地方。