Python tf.compat.v1.train.Checkpoint.restore用法及代码示例

参数

• save_path 检查点的路径，由 save 或 tf.train.latest_checkpoint 返回。如果 None (当没有返回的 tf.train.latest_checkpoint 的最新检查点时)，返回一个可以为依赖图中的对象运行初始化程序的对象。如果检查点是由基于名称的 tf.compat.v1.train.Saver 编写的，则名称用于匹配变量。

返回

• 加载状态对象，可用于对检查点恢复的状态进行断言并运行初始化/恢复操作。

  返回的状态对象有以下方法：

  • assert_consumed() ：如果任何变量不匹配，则引发异常：检查点值没有匹配的 Python 对象或依赖关系图中的 Python 对象在检查点中没有值。此方法返回状态对象，因此可以与 initialize_or_restore 或 run_restore_ops 链接。

  • assert_existing_objects_matched() ：如果依赖图中的任何现有 Python 对象不匹配，则引发异常。与 assert_consumed 不同，如果检查点中的值没有对应的 Python 对象，则此断言将通过。例如，尚未构建的 tf.keras.Layer 对象，因此尚未创建任何变量，将通过此断言但将失败 assert_consumed 。在将较大检查点的一部分加载到新的 Python 程序中时很有用，例如保存了带有 tf.compat.v1.train.Optimizer 的训练检查点，但仅加载了推理所需的状态。此方法返回状态对象，因此可以与 initialize_or_restore 或 run_restore_ops 链接。

  • assert_nontrivial_match() ：断言除根对象之外的其他内容已匹配。这是一个非常弱的断言，但对于库代码中的健全性检查很有用，其中对象可能存在于检查点中，而这些对象可能尚未在 Python 中创建，并且某些 Python 对象可能没有检查点值。

  • expect_partial()：关于不完整的检查点恢复的静默警告。当Checkpoint 对象被删除时(通常在程序关闭时)，检查点文件或对象的未使用部分会打印警告。

  • initialize_or_restore(session=None) ：构建图形时，如果 save_path 是 None ，则运行变量初始化程序，否则运行恢复操作。如果没有明确指定session，则使用默认会话。即刻执行时没有效果(变量被即刻地初始化或恢复)。

  • run_restore_ops(session=None) ：构建图形时，运行恢复操作。如果没有明确指定session，则使用默认会话。即刻执行时无效(恢复操作即刻运行)。只能在 save_path 不是 None 时调用。