原文作者：ANKIT SACHAN

原文链接：https://cv-tricks.com/tensorflow-tutorial/save-restore-tensorflow-models-quick-complete-tutorial/

本教程包含以下四个部分：

• 什么是Tensorflow模型
• 如何保存Tensorflow模型
• 如何恢复Tensorflow模型并将其用于预测/迁移学习

Saver方法

tf.train.Saver().save()导出的checkpoint文件中是模型graph结构和权重。实际部署中都是使用pb格式文件，而这两者是可以相互转化的，重点是冻结需要保存的节点。

模型保存

saver = tf.train.Saver()
saver.save(sess,"model.ckpt")

摘要： 随着 Serverless 的流行，将应用迁移到云上已经成了一种必然的趋势。我们今天来看一下如何将机器学习应用迁移到函数计算上。 1. 本地开发 首先我们看一下本地开发机器学习应用的步骤。我们大概可以将本地开发概括为三个步骤，分别是代码编写，安装依赖，运行调试。

随着 Serverless 的流行，将应用迁移到云上已经成了一种必然的趋势。

我们今天来看一下如何将机器学习应用迁移到函数计算上。

说明：本文依据《Sklearn 与 TensorFlow 机器学习实用指南》完成，所有版权和解释权均归作者和翻译成员所有，我只是搬运和做注解。

进入第二部分深度学习

第十一章训练深层神经网络

在第十章以及之前tf练习中，训练的深度神经网络都只是简单的demo，如果增大数据量或是面对更多的特征，遇到的问题就会棘手起来。

• 梯度消失（梯度爆炸），这会影响深度神经网络，并使较低层难以训练

选自Github

机器之心编译

参与：Jane W、李泽南

TensorFlow 是一个由谷歌发布的机器学习框架，在这篇文章中，我们将阐述 TensorFlow 的一些本质概念。相信你不会找到比本文更简单的介绍。

TensorFlow 机器学习范例——Naked Tensor