Python TensorFlow：还记得以前时代的伟人吗

我正在用TensorFlow做实验。我刚刚发布了一个关于它面临的一个问题的帖子。然而，我也有一个可能更具理论性的问题，但会带来实际后果

在训练模型时，我发现精度可能会有所不同。因此，最后一个历元可能不会显示出最佳精度。例如，在历元N上，I的精度可能为85%，而在最后一个历元上，精度为65%。我想使用N历元上的权重进行预测

我想知道是否有一种方法可以以最好的精度记住历元的权重值，以便以后使用

第一个简单的方法是：

运行N个时代

记住最好的准确性

重新开始训练，直到我们达到与第2步中存储的历元具有相同精度的历元

使用当前重量进行预测

有更好的吗？

是的！你需要在整个培训过程中做出正确的选择。伪代码实现如下所示：

model=my_model（）
saver=tf.train.saver（）
使用tf.Session（）作为sess：
sess.run（初始化操作）
对于范围内的历元（NUM_历元）：
对于范围内的批次（数量批次）：
# ... 训练你的模特。。。
如果批次%VALIDATION\u频率==0：
#定期对验证集进行测试。
error=sess.run（model.error，feed\u dict=valid\u dict）
如果错误<最小错误：
min_error=error#存储迄今为止最好的错误
saver.save（sess，MODEL#u PATH）#保存迄今为止性能最好的网络

然后，当您想根据性能最佳的迭代测试您的模型时：

saver.restore（sess，模型路径）
test\u error=sess.run（model.error，feed\u dict=test\u dict）

查看保存和加载元图。我发现加载步骤有点棘手，这取决于您的用例