这有点骇人听闻，但其他答案对我根本没有用

ckpt = tf.train.get_checkpoint_state(checkpoint_dir) 

#Extract from checkpoint filename
step = int(os.path.basename(ckpt.model_checkpoint_path).split('-')[1])

更新9/2017

我不确定这是否由于更新而开始起作用，但是以下方法似乎对于使global_step正确更新和加载有效：

创建两个操作。一个用于保存global_step，另一个用于对其进行递增：

    global_step = tf.Variable(0, trainable=False, name='global_step')
    increment_global_step = tf.assign_add(global_step,1,
                                            name = 'increment_global_step')

现在，在您的训练循环中，每次您运行训练操作时都要运行增量操作。

sess.run([train_op,increment_global_step],feed_dict=feed_dict)

如果您想随时以整数形式检索全局步长值，只需在加载模型后使用以下命令：

sess.run(global_step)

这对于创建文件名或计算当前时期是有用的，而无需第二个tensorflow变量来保存该值。例如，计算加载时的当前时间将类似于：

loaded_epoch = sess.run(global_step)//(batch_size*num_train_records)

一般模式是使用global_step变量来跟踪步骤

global_step = tf.Variable(0, name='global_step', trainable=False)
train_op = optimizer.minimize(loss, global_step=global_step)

然后，您可以保存

saver.save(sess, save_path, global_step=global_step)

还原时，也会还原global_step的值