训练完成后保存tensorflow模型

Question

我已经在 tensorflow python 中完成了一个大模型运行。但是我没有将它保存在会话中。现在训练结束了，我想保存变量。我正在执行以下操作：

saver=tf.train.Saver()
with tf.Session(graph=graph) as sess:  
    save_path = saver.save(sess, "86_model.ckpt")
    print("Model saved in file: %s" % save_path)

这returns：ValueError：没有要保存的变量。根据他们的网站，缺少的是 initialize_all_variables()。该文档很少说明它到底做了什么。 "initialize" 这个词吓到我了，我不想重置我所有的训练值。有什么方法可以在不重新运行的情况下保存我的模型？

Answer 1

从 tensorflow 文档看来，"session" 是保存训练模型信息的东西。所以大概在某个地方你调用 sess.run() 来训练你的模型 - 你想要做的是使用那个会话调用 sess.save()，而不是你用这个保护对象创建的新会话。

Answer 2

使用 skflow 怎么样？使用 skflow（现在 skflow 已集成到 tensorflow 中），您可以在构造函数中指定参数 model_dir，这将在训练时自动保存您的模型（它将保存检查点，因此如果在训练过程中出现问题，您可以从上次重新开始检查点）。

Answer 3

我相信这是因为您没有在保护程序中初始化所有变量。这应该有效

with tf.Session() as sess:
      tf.initialize_all_variables().run()
      saver = tf.train.Saver(tf.all_variables())
     -------everything your session does -------------
      checkpoint_path = os.path.join(save_dir, 'model.ckpt')
      saver.save(sess, checkpoint_path, global_step = your_global_step)

训练完成后保存tensorflow模型

Saving tensorflow model after training is finished

python

tensorflow