在模型的保存部分有两个重要的函数，

第一个  :  saver = tf.train.Saver(  )

我的理解是： 这行代码大概就相当于实例化；

这个函数有一个很重要的参数，max_to_keep， 这个值决定了你要保存最后几次的模型

可能这样说很难让人理解，其实就是这样；

max_to_keep=1  我们保存最后那次修炼的模型  ( 譬如说我们的 epoch = 10, 那么就只会保存第十次训练的模型)

max_to_keep=10 . 则这10次的模型就都会被保存下来，（然而个人感觉这并没有什么卵用）



现在我们有了一个实例化的object了，我们来用第二个函数

saver.save(sess,'ckpt/mnist.ckpt',global_step=step)
从名字就不难看出来，这行代码的作用就是保存，

第一个参数sess自然就不必多说了， 第二个参数设定保存的路径和名字（保存在ckpt文件夹下，名字为mnist. ckpt）

第三个参数严格意义上来说也是用来命名的，他们将训练的次数作为后缀加入到你的文件名字中

譬如说我们的epoch = 10（我的意思是step = 10）

那么我们执行上面的语句，你ckpt文件夹下的文件就会是这样：  mnist-10.ckpt





因为不是科班出身，我并没有学过数据库，所以对pointcheck的定义也很含糊，我争取这周简单的看一下这方面的知识然后在回来充分的理解一下。。。。。



在附上我看过的觉得挺好的一篇博客，和大家分享一下https://blog.csdn.net/Laurenitum0716/article/details/79326128

-  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -





经过上面的两步，我们的模型就保存完毕了，

如果我们想要恢复这个模型，则要用到是restore()函数







我们看到，这个restore一共3个参数，self,  sess  自然不必说

第三个参数： save_path指的是保存的模型路径。

我们可以使用tf.train.latest_checkpoint（）来自动获取最后一次保存的模型。




---------------------
【转载】
作者：Pierce_KK
原文：https://blog.csdn.net/Pierce_KK/article/details/84073971