张量流中的摘要和检查点有什么区别？

Question

https://github.com/dennybritz/cnn-text-classification-tf/blob/master/train.py 我认为检查点保留参数，为什么摘要要保留参数？

   train_summary_writer = tf.summary.FileWriter(train_summary_dir, sess.graph)
   path = saver.save(sess, checkpoint_prefix, global_step=global_step)

Answer 1

检查点用于描述所有变量的状态，这些变量在特定时间构成特定模型。检查点允许在不同的会话中继续训练，恢复模型权重。它们基本上包括除图形本身以外的所有信息。虽然检查点在某种程度上类似于摘要，但两者都是模型信息的序列化存储，而典型的检查点则由3个文件组成

• .index存储变量索引

• .meta存储图信息

• .dataXX，存储实际变量值

• 和文本文件checkpoint，用于跟踪特定培训课程的所有检查点 因此，通常，检查点保持会存储所有必要信息以重新创建模型并继续训练，或者只是进行评估。

摘要是写入事件文件的协议缓冲区，保存在目录中。主要用于Tensorboard可视化。允许实时观察培训过程。另一个区别是，摘要在某种程度上是模块化的，可以存储从标量（只是用于检查的值）到图像，直方图图形可视化等内容。 您可以阅读这篇文章，以进一步了解https://github.com/PaddlePaddle/board/wiki/How-TensorFlow-writes-data-and-read-by-TensorBoard的创建方式。 附言如果您需要其他分析，可以使用tf.train.summary_iterator浏览事件文件