Question

我正在尝试在训练时以不同的步骤保存模型。假设我想在5个时间段后保存。

此刻我正在使用：

tf.saved_model.simple_save(
            sess, model_folder, inputs, outputs
        )

这是一种魅力。尽管如此，我意识到每次迭代都节省了整个图形和权重，这具有很高的计算成本。

我想更新模型的权重，以使图形与以前的保存保持一致（因为在训练期间它没有变化）

我已经阅读了有关 tf.train.Saver 的信息，这似乎符合我的意图。但这迫使我指定所有要保存的变量，这不像 simple_save 方法那样实用。因此，我想知道是否存在以检查点方式使用 simple_save 的任何方式。

Answer 1

我认为您对tf.train.Saver的理解有误。您可以做一些简单的事情：

saver = tf.train.Saver()
with tf.Session() as sess:
    for e in range(epochs):
        ...
        if e % 5 == 0:
            saver.save(sess, "/path/where/to/save/model")

因此无需指定要保存的每个变量。

带有检查点的Tensorflow simple_save

1 个答案: