有保存检查点的代码之后，训练完网络还需要额外的保存模型的代码吗

当你在训练过程中使用了保存检查点的技术，比如在每个训练周期结束时或者达到某个性能指标时保存模型的状态，那么并不意味着你就不需要额外保存整个模型了。虽然检查点可以让你在中断训练后从上一次保存的地方继续，但它通常只包含模型的权重状态，而不是完整的模型结构。

在训练完成后，通常会有一个专门的保存模型阶段，此时你需要将整个模型，包括架构、层配置以及训练好的权重一起保存下来，以便于后续的部署或复现研究结果。这一步对于模型的完整性和长期可用性非常重要。

保存完整模型的代码可能看起来像这样（假设使用的是Keras）：

# 在训练结束后
model = Model(...)  # 假设这是你的模型实例
model.save('final_model.h5')  # 使用HDF5格式或其他适合的选择

或者在TensorFlow 1.x中可能是这样的：

saver = tf.train.Saver()
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    saver.save(sess, 'final_model.ckpt')