TensorFlow学习笔记（7）——Fine-tuning模型保存与复原

Tensorflow学习笔记：CNN篇（7）——Finetuning，模型的保存与恢复

前序

在背景部分中，我们详细阐述了VGGNet的组成架构及其工作原理，并成功实现了该网络模型在CIFAR-10数据集上的应用实例。本文则重点阐述FineTuning技术的能力与应用场景。FineTuning是指，在现有已有的训练模型基础上进行参数微调和重新训练以适应特定任务需求的一种方法论缩写。这种技术因其在实际工程实践中的高效性和可靠性而成为最常用的主要依赖于已有模型的技术手段之一。

实战Tensorflow模型的存储与恢复

伴随着模型架构日益复杂，在数据管理和系统设计方面的要求也随之提升

代码示例

Step 1: 全局数据与模型类的定义

首先，在工程目录中新建了一个名为global_variable.py的Python文件，并在其中明确了文件存储的具体路径。这个文件专门用于定义全局变量的相关信息。其中，在该模块中对全局数据进行了详细的规定和初始化设置

    save