tensorflow在训练时会保存三个文件，

model.ckpt-xxx.data-00000-of-00001
model.ckpt-xxx.index
model.ckpt-xxx.meta

其中第一个储存网络参数值，第二个储存每一层的名字，第三个储存图结构

随着训练的过程，每隔一段时间都会保存一组以上三个文件，而在训练之前我们并不知道什么时候可以达到最佳的拟合，训练时间过短会导致欠拟合，训练时间过长则会导致过拟合。

如果每次测试时，我们都自动调用最新一次的check point，那很可能不是最佳的一组参数，当我们训练了很多个epoch时，我们需要往回寻找最佳的check point，此时就需要指定的check point，下面有是具体方法：

修改checkpoint文件

一个checkpoint文件的内容如下

model_checkpoint_path: "model.ckpt-1623"
all_model_checkpoint_paths: "model.ckpt-1393"
all_model_checkpoint_paths: "model.ckpt-1451"
all_model_checkpoint_paths: "model.ckpt-1507"
all_model_checkpoint_paths: "model.ckpt-1565"
all_model_checkpoint_paths: "model.ckpt-1623"

这里面的后缀不同的数字就是不同的版本的参数，数字越小越早，系统会自动默认最新的训练出来的参数，而我们只需要在第一行把数字修改为我们想要调用的ckpt即可。

以上这篇tensorflow实现测试时读取任意指定的check point的网络参数就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持【听图阁-专注于Python设计】。