Machine learning 恢复以保持训练不使用tensorflow

我需要保存并恢复图表，以保持从最后一个检查点开始的训练，但不知何故，它不起作用

我使用

saver=tf.train.saver（）

保存模型。以及：

with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess:
    # Initializing saver
    sess.run(tf.global_variables_initializer())
    save_path = saver.save(sess,model_path+"/%s.ckpt"%model_name)
    if flag == "initial_train":
        training_loop(num_epochs)
        flag = None
    else:
        new_saver = tf.train.import_meta_graph(model_path+"/%s.ckpt.meta"%model_name)
        new_saver.restore(sess, save_path)
        print("Model loaded")
        training_loop(num_epochs)

---

我真的不知道为什么在后续的跑步中不导入你的体重

使用

sess.run（tf.global\u variables\u initializer（）

将初始化值保存到某个文件（

saver.save（sess，model\u path+“/%s.ckpt”%model\u name）

）

从该文件加载那些随机初始化的值

因此，您只需加载第3行和第4行中初始化和保存的内容

---

另外，我不知道您是如何传递信息的，但是training_loop没有获得对

保存程序的引用，而且您没有在training loop之后保存模型，因此似乎您实际上没有在任何地方保存模型。
您是在加载之前无条件保存的，您确定要这样做吗？如果我想从检查点我需要所有的权重和优化器。但它似乎没有加载任何东西对不起，我没有写完整的代码，但在函数训练循环中我做了saver.save（sess，save_path，global_step=epoch）@florpi那么你仍然有第一个问题（您只是在恢复代码段第4行中保存的随机初始化值）。