假如我们得到了如下的checkpoints，
上面的文件主要可以分成三类：一种是在保存模型时生成的文件，一种是我们在使用tensorboard时生成的文件，还有一种就是plugins这个文件夹，这个是使用capture tpuprofile工具生成的，该工具可以跟踪TPU的计算过程，并对你的模型性能进行分析，这里就不想详细介绍了。本文主要介绍前面两种文件的作用：
tensorboard文件
-
events.out.tfevents.*...: 保存的就是你的accuracy或者loss在不同时刻的值。
-
graph.pbtxt: 这其实是一个文本文件，保存了模型的结构信息，部分信息如下所示：
node_def {
name: "FixedLengthRecordDataset/input_pipeline_task10/buffer_size"
op: "Const"
device: "/job:worker/task:10/device:CPU:0"
attr {
key: "dtype"
value {
type: DT_INT64
}
}
attr {
key: "value"
value {
tensor {
dtype: DT_INT64
tensor_shape {
}
int64_val: 262144
}
}
}
}
node_def {
name: "FixedLengthRecordDataset"
op: "FixedLengthRecordDataset"
input: "FixedLengthRecordDataset/input_pipeline_task10/filenames:output:0"
input: "FixedLengthRecordDataset/input_pipeline_task10/header_bytes:output:0"
input: "FixedLengthRecordDataset/input_pipeline_task10/record_bytes:output:0"
input: "FixedLengthRecordDataset/input_pipeline_task10/footer_bytes:output:0"
input: "FixedLengthRecordDataset/input_pipeline_task10/buffer_size:output:0"
device: "/job:worker/task:10/device:CPU:0"
}
...
保存模型时生成的文件
- checkpoint: 其实就是一个txt文件，存储的是路径信息，我们可以看一下它的内容是什么：
model_checkpoint_path: "model.ckpt-5000"
all_model_checkpoint_paths: "model.ckpt-0"
all_model_checkpoint_paths: "model.ckpt-5000"
可以看到第一行表示最近的一次checkpoints路径信息，也就是说可能因为某种原因你的模型训练中断了。不过没关系，下次重新训练时，会自动从上次的断点继续训练而不用重新训练了。后面两项则表示已经保存的所有断点路径。
-
model.ckpt-*.meta: 其实和上面的graph.pbtxt作用一样都保存了graph结构,只不过meta文件是二进制的，它包括 GraphDef,SaverDef等,当存在meta file,我们可以不在文件中定义模型,也可以运行,而如果没有meta file,我们需要定义好模型,再加载data file,得到变量值。
-
model.ckpt-*.index: 这是一个string-string table，table的key值为tensor名，value为serialized BundleEntryProto。每个BundleEntryProto表述了tensor的metadata，比如那个data文件包含tensor、文件中的偏移量、一些辅助数据等。
-
model.ckpt-*.data-*: 保存了模型的所有变量的值，TensorBundle集合。