TensorFlow，为什么保存模型后会有3个文件？

阅读后，我在

TensorFlow

中保存了一个模型，下面是我的演示代码：

#创建一些变量。
v1=tf.变量（…，name=“v1”）
v2=tf.变量（…，name=“v2”）
...
#添加一个op来初始化变量。
init_op=tf.global_variables_initializer（）
#添加ops以保存和恢复所有变量。
saver=tf.train.saver（）
#稍后，启动模型，初始化变量，做一些工作，保存
#将变量保存到磁盘。
使用tf.Session（）作为sess：
sess.run（初始化操作）
#对模型做一些工作。
..
#将变量保存到磁盘。
save\u path=saver.save（sess，“/tmp/model.ckpt”）
打印（“保存在文件%s”%save\u路径中的模型）

但在那之后，我发现有3个文件

model.ckpt.data-00000-of-00001
model.ckpt.index
model.ckpt.meta

我不能通过还原

model.ckpt

文件来还原模型，因为没有这样的文件。这是我的密码

将tf.Session（）作为sess的

：
#从磁盘还原变量。
saver.restore（sess，“/tmp/model.ckpt”）

那么，为什么有3个文件呢？

试试这个：

with tf.Session() as sess:
    saver = tf.train.import_meta_graph('/tmp/model.ckpt.meta')
    saver.restore(sess, "/tmp/model.ckpt")

TensorFlow保存方法保存三种文件，因为它将图形结构与变量值分开存储。

.meta

文件描述保存的图形结构，因此您需要在恢复检查点之前导入它（否则它不知道保存的检查点值对应哪些变量）

或者，您可以这样做：

# Recreate the EXACT SAME variables
v1 = tf.Variable(..., name="v1")
v2 = tf.Variable(..., name="v2")

...

# Now load the checkpoint variable values
with tf.Session() as sess:
    saver = tf.train.Saver()
    saver.restore(sess, "/tmp/model.ckpt")

def predict(image, model_name):
    """
    image -> single image, (width, height, channels)
    model_name -> model file that was saved without any extensions
    """
    with tf.Session() as sess:
        saver = tf.train.import_meta_graph('./' + model_name + '.meta')
        saver.restore(sess, './' + model_name)
        # Substitute 'logits' with your model
        prediction = tf.argmax(logits, 1)
        # 'x' is what you defined it to be. In my case it is a batch of RGB images, that's why I add the extra dimension
        return prediction.eval(feed_dict={x: image[np.newaxis,:,:,:], keep_prob_dnn: 1.0})

即使没有名为

model.ckpt

的文件，在还原时仍会以该名称引用保存的检查点。从：

用户只需要与用户指定的前缀进行交互。。。相反 任何物理路径名的

• 元文件：描述保存的图形结构，包括GraphDef、SaverDef等；然后应用

  tf.train.import_meta_graph（'/tmp/model.ckpt.meta'）

  ，将还原

  Saver

  和

  graph

• 索引文件：它是一个字符串不可变表（tensorflow:：table:：table）。每个键都是张量的名称，其值是序列化的BundleEntryProto。每个BundleEntryProto都描述了张量的元数据：哪些“数据”文件包含张量的内容、该文件的偏移量、校验和、一些辅助数据等

• 数据文件：它是TensorBundle集合，保存所有变量的值

---

我正在从tensorflow教程中恢复经过训练的单词嵌入

如果已创建多个检查点：

e、 g.创建的文件如下所示

型号：ckpt-55695.data-00000-of-00001

model.ckpt-55695.index

model.ckpt-55695.meta

试试这个

def restore_session(self, session):
   saver = tf.train.import_meta_graph('./tmp/model.ckpt-55695.meta')
   saver.restore(session, './tmp/model.ckpt-55695')

调用restore_session（）时：

---

例如，如果你训练了一名辍学的CNN，你可以这样做：

# Recreate the EXACT SAME variables
v1 = tf.Variable(..., name="v1")
v2 = tf.Variable(..., name="v2")

...

# Now load the checkpoint variable values
with tf.Session() as sess:
    saver = tf.train.Saver()
    saver.restore(sess, "/tmp/model.ckpt")

def predict(image, model_name):
    """
    image -> single image, (width, height, channels)
    model_name -> model file that was saved without any extensions
    """
    with tf.Session() as sess:
        saver = tf.train.import_meta_graph('./' + model_name + '.meta')
        saver.restore(sess, './' + model_name)
        # Substitute 'logits' with your model
        prediction = tf.argmax(logits, 1)
        # 'x' is what you defined it to be. In my case it is a batch of RGB images, that's why I add the extra dimension
        return prediction.eval(feed_dict={x: image[np.newaxis,:,:,:], keep_prob_dnn: 1.0})

---

所以不使用.index和.data？当使用这两个文件时，@ajfbiw.s.meta存储图形结构，.data存储图形中每个变量的值，.index标识检查点。在上面的例子中：import\u meta\u图形使用.meta，saver.restore使用.data和.indexOh，我明白了。谢谢。你有没有可能用不同版本的TensorFlow来保存模型，而不是加载它？（）有人知道那

00000

和

00001

数字是什么意思吗？在

variables.data-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-。我可以使用它进行实时视频分类吗？你能告诉我，使用Keras 2，如果模型保存为3个文件，我如何加载它吗？你知道如何解决这个问题吗？如何再次加载模型（使用Keras）？“model.ckpt-55695.data-00000-of-00001”中的“00000-of-00001”是什么意思？