时间戳

首页 > 解决方案 > 张量流中的摘要和检查点有什么区别？

tensorflow - 张量流中的摘要和检查点有什么区别？

问题描述

https://github.com/dennybritz/cnn-text-classification-tf/blob/master/train.py 我认为checkpoint保留参数，那么summary为什么保留参数呢？

   train_summary_writer = tf.summary.FileWriter(train_summary_dir, sess.graph)
   path = saver.save(sess, checkpoint_prefix, global_step=global_step)

标签： tensorflow

解决方案

检查点用于描述所有变量的状态，构成特定时间的特定模型。检查点允许在不同的会话中继续训练，恢复模型权重。它们基本上包括除图表本身之外的所有信息。虽然检查点在某种程度上类似于摘要，都是模型信息的序列化存储，但典型的检查点由 3 个文件组成

  • .index存储变量的索引，

  • .meta存储图形信息，

  • .dataXX，存储实际变量值，

  • 和一个文本文件checkpoint，跟踪特定训练会话的所有检查点所以一般来说，检查点保存所有必要的信息以重新创建模型并继续训练，或者只是进行评估。

摘要是写入事件文件的协议缓冲区，保存在目录中。主要用于 Tensorboard 可视化。允许实时观察训练过程。另一个区别是摘要在某种程度上是模块化的，可以存储从标量（只是用于检查的值）到图像、直方图图形可视化等的任何内容。您可以阅读本文以了解更多关于如何创建的信息https： //github.com/PaddlePaddle/board/wiki/How-TensorFlow-writes-data-and-read-by-TensorBoardtf.train.summary_iterator PS如果您需要额外 的分析，您可以浏览事件文件

推荐阅读