儲存 tensorFlow 訓練結果與重複使用

好不容易花了一大堆時間訓練好的結果，如果沒有儲存起來可就浪費了，不但要再重新訓練一次，也沒辦法將這個結果分享給他人，同時也不方便建置在系統裡面。

所以今天就來學習怎麼儲存和重複利用吧。

這次用的範例就是之前的用 TensorFlow 架構CNN網路層 來做手寫數字辨識，這篇文章的內容去做增加，那要增加什麼呢？

首先要知道的事情！

TensorFlow要儲存結果，就是要用到 tf.train.Saver 這個物件

像要多知道它的內容嗎？那就去這邊

這邊我想要多說說實際上使用的方式，那這邊我們分兩個階段來說說：

1. 儲存
2. 讀取

儲存比較簡單，只要在最後面加上：

# save model
saver = tf.train.Saver()
save_path = saver.save(sess, "net/save_net.ckpt")
print("Save to path: ", save_path)

這樣在同個目錄夾中就會多出一個叫 “net”的資料夾，打開之後就會向下圖：

儲存方便就只要這樣就可以了，再來是該說說讀取。

那我還是先貢上全碼：GitHub

基本上最重要的地方就是，在讀取結果前，一定要先搭建一個相同的模型，因為儲存其實只會儲存訓練出來的參數，你必須先幫它做好容器，他才能將這些參數導入至這些容器裡面。

那建立好相同模型後，再來只要打：

with tf.Session() as sess:
    saver.restore(sess, "net/save_net.ckpt")

記得一定要先有容器，然後才能建立Session()，否則會程式會報錯的。

讀取完後就能跟之前一樣進行辨識了喔～

#執行100次辨識
with tf.Session() as sess:
    saver.restore(sess, "net/save_net.ckpt")
    #print(sess.run(global_step_tensor))
    for i in range(100):
        GiveAnswer(mnist.test.images[3])
        print("ans:",list(mnist.test.labels[3]).index(1))

執行結果如最上圖