这些机器学习输出文件的目的和意义是什么？

Question

我设法成功运行了该机器学习教程（我的第一个教程）。它使用卷积神经网络进行分类。

https://github.com/bhimmetoglu/time-series-medicine/blob/master/HAR/HAR-CNN.ipynb

完成使用张量流的机器学习python脚本后，在文件夹checkpoints-cnn中产生了一些文件。

- checkpoint
- har.ckpt.data-00000-of-00001
- har.ckpt.index
- har.ckpt.meta

这些机器学习输出文件的目的和意义是什么？如何使用它们对真实数据进行分类？

我正在使用python v3.6

Answer 1

创建估算器时，例如通过运行

classifier = tf.estimator.DNNClassifier(..., model_dir='checkpoints-cnn')

tensorflow将尝试从检查点加载模型，前提是该检查点与提供给估计器初始化器的定义兼容。

然后，您可以继续对其进行进一步的培训，或者使用它来对实际数据进行估算/分类。

至于内容，.meta文件包含网络的拓扑及其图形。 .data- [数字]文件包含权重值和其他可变数据。 .index文件跟踪当前的检查点，我不确定它到底包含什么。

Answer 2

检查点是学习时模型的状态。它包含权重和参数。每个检查点都可以用于预测，也可以使用检查点来进一步学习模型。