关于TensorFlow Supervisor仅保留最新5个模型的技术求助

嘿，这个问题我之前也碰到过！其实问题不在Supervisor本身的删除逻辑里，而是藏在它默认使用的Saver配置里——你没看错，Supervisor如果没有收到自定义的Saver实例，会自动创建一个默认的tf.train.Saver()，而这个默认Saver的max_to_keep参数值就是5，这就是旧模型被自动清理的原因。

给你几个具体的解决思路：

• 自定义Saver并修改max_to_keep：
  在初始化Supervisor之前，手动创建一个Saver实例，把max_to_keep设置成你想要的值——比如设为None就能保留所有模型，或者设置一个更大的数字（比如20）。然后把这个自定义的Saver传给Supervisor的saver参数。示例代码如下：

  import tensorflow as tf
  
  # 假设你已经定义好了模型的计算图...
  
  # 创建自定义Saver，设置保留所有模型
  saver = tf.train.Saver(max_to_keep=None)
  # 初始化Supervisor时传入这个saver
  sv = tf.train.Supervisor(
      saver=saver,
      log_dir="./your_log_dir",
      save_model_secs=600
  )
  
  # 后续的训练逻辑...
  

• 检查是否有外部清理逻辑：
  虽然概率较低，但可以排查一下：你的训练脚本里有没有自己写的删除旧模型的代码？或者操作系统有没有定时任务在清理log_dir目录？还有，有些TensorFlow的辅助工具或者容器环境也可能会自动清理旧文件，这部分也可以确认下。

• 验证Supervisor的Saver创建逻辑：
  你可以再去翻supervisor.py的__init__方法，里面有一段逻辑是如果saver参数为None，就会调用tf.train.Saver()，而这个默认构造的Saver确实会使用max_to_keep=5的默认值——这就是问题的核心啦。

希望这个思路能帮你解决问题！

内容的提问来源于stack exchange，提问作者Yuhang