关于Tensorflow 模型持久化详解

当我们使用 tensorflow 训练神经网络的时候，模型持久化对于我们的训练有很重要的作用。如果我们的神经网络比较复杂，训练数据比较多，那么我们的模型训练就会耗时很长，如果在训练过程中出现某些不可预计的错误，导致我们的训练意外终止，那么我们将会前功尽弃。定义运算过程声明并得到一个 Saver通过 Saver.save 保存模型运行后生成的文件如下：checkpoint ： 记录目录下所有模型文件列表定义运算过程*GraphDef：这个属性记录了tensorflow计算图上节点的信息。add_model.pb ： 里面保存了重输入层到输出层这个计算过程的计算图和相关变量的值，我们得到这个模型后传入一个输入，既可以得到一个预估的输出值通过传入 CKPT 模型的路径得到模型的图和变量数据