Question

我想在训练期间每5个小时保存一次我的tensorflow变量。

因此，根据Tensorflow Saver doc，我用参数saver = Saver构造了keep_checkpoint_every_n_hours=5，并在学习的每一步都调用了saver.save()。因此，我期望的是saver模块以某种方式检测开始训练后经过的时间，并每5个小时保存一次模型，而不是实际上在每次调用模型时都保存模型。

下面简化了我如何使用此功能。

sess = tf.Session()
model = Model(sess)
saver = tf.train.Saver(max_to_keep=5,
                       keep_checkpoint_every_n_hours=5)

step_count = 0
max_step = 10000

while step_count < max_step:
    model.train()
    saver.save(sess, 'model', global_step=step_count)
    step_count += 1

但是，我发现通过这种方式，每次调用函数时都会保存模型。

我想我缺少了一些东西或没有以正确的方式使用它。我想知道使用tensorflow Saver功能的正确方法。

谢谢。

Answer 1

max_to_keep参数指定每次保存一个检查点，但一次最多保存5个检查点。

另一方面，

keep_checkpoint_every_n_hours指定每N小时将保存一个检查点，并且不会将其删除或覆盖。

因此，我建议您使用keep_checkpoint_every_n_hours，以防您的培训花费很长时间并且可能会有所不同。因此，如果最后5个检查点变得同样无用，您可以还原到最多N小时之前的一个。

使用保护程序参数`keep_checkpoint_every_n_hours'的正确方法是什么？

1 个答案: