TensorFlow未保存100-400次迭代模型问题求助

你遇到的问题其实是TensorFlow的Saver类默认行为导致的——默认情况下，Saver只会保留最近的5个模型 checkpoint。你的训练在第一个epoch里一共触发了9次模型保存（step100到step900），超过了默认的保留数量，所以最早的4个（step100、200、300、400）被自动删除了，只留下了最后5个。

解决方案：修改Saver的max_to_keep参数 #

你只需要在初始化Saver的时候，显式设置max_to_keep参数，指定你想要保留的模型数量，或者设置为None来保存所有生成的模型文件。

举个例子，如果你想保存所有迭代的模型：

# 在定义模型之后，初始化Saver时设置max_to_keep=None
saver = tf.train.Saver(max_to_keep=None)

如果你只想保留最近20个模型：

saver = tf.train.Saver(max_to_keep=20)

验证修改效果 #

修改后重新训练，你会发现step100、200、300、400的模型文件都会被保留下来，不会再被自动清理。

另外补充一点：你的global_step计算是(i+1)*k，在第一个epoch（i=0）时就是k，所以每个保存点的global_step都是唯一的，不会出现覆盖的情况，问题完全来自于默认的保留数量限制。

内容的提问来源于stack exchange，提问作者jing