張量流中的摘要和檢查點有什么區別？

Question

https://github.com/dennybritz/cnn-text-classification-tf/blob/master/train.py我認為檢查點保留參數，為什么摘要要保留參數？

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

Answer 1

檢查點用於描述所有變量的狀態，這些變量在特定時間構成特定模型。 檢查點允許在不同的會話中繼續訓練，恢復模型權重。 它們基本上包括除圖形本身以外的所有信息。 雖然檢查點在某種程度上類似於摘要，但兩者都是模型信息的序列化存儲，但典型的檢查點由3個文件組成

• .index存儲變量的索引，

• .meta存儲圖形信息，

• .dataXX ，存儲實際變量值，

• 還有一個文本文件checkpoint ，可以跟蹤特定訓練課程的所有檢查點。因此，一般來說，檢查點保留所有必要的信息，以重新創建模型並繼續訓練，或者只是進行評估。

摘要是寫入事件文件的協議緩沖區，保存在目錄中。 主要用於Tensorboard可視化。 允許實時觀察培訓過程。 另一個區別是，摘要在某種程度上是模塊化的，可以存儲從標量（只是用於檢查的值）到圖像，直方圖圖形可視化等內容。您可以閱讀此書，以了解有關如何創建https的更多信息： //github.com/PaddlePaddle/board/wiki/How-TensorFlow-writes-data-and-read-by-TensorBoard PS如果需要其他分析，可以使用tf.train.summary_iterator探索事件文件