Tensorflow使用Saver保存模型PermissionDeniedError (see above for traceback)

使用tensorflow训练模型时需要保存训练后得到的模型，并在测试时加载模型。

Tensorflow中可以使用Saver类进行参数保存。

保存参数是可以选择的，如果不传参就是保存所有参数。

weight=[weights['wc1'],weights['wc2'],weights['wc3a']] saver = tf.train.Saver(weight)#创建一个saver对象，.values是以列表的形式获取字典值 saver.save(sess,'model.ckpt')

保存所有参数：

saver_out=tf.train.Saver() saver_out.save(sess,'file_name')

注意这里的file_name需要是绝对路径，还有人说不能和代码在一个路径里面（我没试过），另外我自己操作的时候报错PermissionDenied我以为没有写权限，然后查了一下发现是在定义路径时候文件名前必须加上“./”

checkpoint_path = os.path.join(logs_train_dir, './thing.ckpt')

运行完上面的代码之后，我们会发现在当前的程序目录下产生四个文件checkpoint、model.ckpt.data-00000-of-00001、model.ckpt.index、model.ckpt.meta。会产生四个文件的原因，之前有介绍过TensorFlow的程序是由计算图所组成的，所以在持久化的时候TensorFlow会将计算图的结果和图上的参数值分成不同的文件进行保存。  

恢复参数：

（这个恢复参数要注意，model_filename是你要恢复的模型文件，整段代码的意思是从model_filename文件里只恢复weight的这些参数，如果model_filename里面没有这些参数，则报错。）

weight=[weights['wc1'],weights['wc2'],weights['wc3a']] saver = tf.train.Saver(weight)#创建一个saver对象，.values是以列表的形式获取字典值 saver.restore(sess, model_filename)