tensorflow的断点续训
2019-09-07
顾名思义，断点续训的意思是因为某些原因模型还没有训练完成就被中断，下一次训练可以在上一次训练的基础上继续训练而不用从头开始；这种方式对于你那些训练时间很长的模型来说非常友好。
如果要进行断点续训，那么得满足两个条件：
（1）本地保存了模型训练中的快照；（即断点数据保存）
（2）可以通过读取快照恢复模型训练的现场环境。（断点数据恢复）
这两个操作都用到了tensorflow中的train.Saver类。
1.tensorflow.trainn.Saver类
__init__( var_list=None, reshape=False, sharded=False, max_to_keep=5, keep_checkpoint_every_n_hours=10000.0, name=None, restore_sequentially=False, saver_def=None, builder=None, defer_build=False, allow_empty=False, write_version=tf.train.SaverDef.V2, pad_step_number=False, save_relative_paths=False, filename=None )
这里不对所有参数进行介绍，只介绍常用的参数
max_to_keep：允许保存的模型的个数，默认为5；当保存的个数超过5时，自动删除最旧的模型，以保证最多同时存在5个模型；如果设置为0或者None，则会对所有训练中的模型进行保存，但是这样除了多占硬盘外没什么意义。
其他的参数一般就使用默认值就可以了。
saver = tf.train.Saver(max_to_keep=10)
有机会再补充其他参数的用法。
2.断点数据的保存
使用saver对象的save方法即可保存模型：
save( sess, save_path, global_step=None, latest_filename=None, meta_graph_suffix='meta', write_meta_graph=True, write_state=True, strip_default_attrs=False, save_debug_info=False )
常用参数：
sess：需要保存的会话，一般就是我们程序中的sess；
save_path：保存模型的文件路径以及名称，例如“ckpt/my_model”，注意如果要保存在ckpt文件夹下，那么需要在ckpt后面加个斜杠/；
global_step：训练次数，saver会自动将这个值加入到保存的文件名字中。
saver.save(sess,"my_model",global_step=1) saver.save(sess,"my_model",global_step=100) saver.save(sess,"ckpt/my_model",global_step=1)
其中1，2，3行代码分别会：
1：在代码的路径下生成名为“my_model_1文件”；
2：在代码的路径下生成名为“my_model_100文件”；
3：在ckpt文件夹下生成名为“my_model_1文件”。
最常见的用法：
for epoch in range(n_iter): ''' training process ''' saver.save(sess,ckpt_dir+"model_name",global_step=epoch)
其中ckpt_dir是断点数据存放的路径。
3.断点数据的恢复
3.1 只加载参数，不加载图
需要先建立一个与之前相同的模型；然后再检查有没有断点数据，如果有，则进行恢复。
''' 模型图创建 ''' ckpt_dir = "ckpt/" #创建Saver对象 saver = tf.train.Saver() #如果有断点文件，读取最近的断点文件 ckpt = tf.train.latest_checkpoint(ckpt_dir) if ckpt != None: saver.restore(sess,ckpt)
不需要提供模型的名字，tf.train.latest_checkpoint(ckpt_dir)会去ckpt_dir文件夹中自动寻找最新的模型文件。
这个方法要求模型图建立好之后才允许创建saver，然后进行变量恢复，否则会报错。
当我们基于checkpoint文件(ckpt)加载参数时，实际上我们使用Saver.restore取代了initializer的初始化。
3.2 图结构与参数都加载
不需要自己建立模型图了，全部靠加载：
import tensorflow as tf #获取最新断点数据路径 ckpt = tf.train.latest_checkpoint("./ckpt/") #加载图结构 saver = tf.train.import_meta_graph(ckpt+".meta") sess = tf.Session() #加载参数 saver.restore(sess,ckpt) #运行sess sess.run(tf.get_default_graph().get_tensor_by_name("x:0"))
可以通过 tf.get_default_graph().get_tensor_by_name("x:0")获取模型节点，其中“x:0”是创建节点的时候节点的name。
4.模型文件解析
在程序训练过程中保存的模型文件如下图所示：
checkpoint文件会记录保存信息，通过它可以定位最新保存的模型；
.meta文件保存了当前图结构
.data文件保存了当前参数名和值
.index文件保存了辅助索引信息
至于文件名后面的数字表示的是模型训练的不同批次，我们一般只需要最新的那个；由于之前设置最多保存5个模型，所以批次号是从6开始的。
4.1 查看checkpoint
ckpt = tf.train.get_checkpoint_state("./ckpt/") print(ckpt)
结果是文件的断点状态信息：
断点状态信息下有一个“model_checkpoint_path”属性，属性内容是最新的那个模型的路径，用str类型来表示；
ckpt.model_checkpoint_path
这个与tf.train.latest_checkpoint("./ckpt/")得出的结果是相同的，可以通过这个路径来加载模型参数。
4.2 通过data文件查看变量名和变量值
from tensorflow.python.tools.inspect_checkpoint import print_tensors_in_checkpoint_file print_tensors_in_checkpoint_file("./ckpt/model.ckpt-10",None,True)
print_tensors_in_checkpoint_file中输入的第一个参数即上一节中获取到的模型路径；结果会以字典的形式展现出来。
4.3 通过meta文件加载图结构
saver = tf.train.import_meta_graph('./ckpt/model.ckpt-10.meta')
注意这里的参数是完整的路径加上meta文件的文件名，后面需要加上“.meta”。
返回的是一个saver对象，这个对象中包含了之前模型的图结构。
