Tensorflow：保存並恢復張量的輸出

Question

我想用tensorflow來實現這樣的效果。

我只能找到保存和恢復變量（權重）文檔。然而，就像＃2-2，我想利用隱藏層（張量）的輸出作爲另一個模型的輸入。這可以做到嗎？

Answer 1

據我所知，它是不可能鏈接不同的計算圖創建後，但你有幾個選項。

選項2：創建一個大圖和使用control flow op

output_layer, placeholder = build_my_model() 
something = tf.where(output_layer < 0, do_something_1(), do_something_2()) 

所有函數調用上面應該返回tensorflow操作。

選項2：創建兩個圖表和執行內部蟒蛇

# Build the first graph 
with tf.Graph().as_default() as graph: 
    output_layer, placeholder = build_my_model() 

# Build the second two graphs 
with tf.Graph().as_default() as graph_1: 
    something_1 = do_something_1() 
with tf.Graph().as_default() as graph_2: 
    something_2 = do_something_2() 

條件語句作爲結果，你也將結束與三個不同的會議，你需要從第一屆輸出喂之一另外兩個

# Get the output 
_output_layer = sess.run(output_layer, {placeholder: ...}) 
if _output_layer < 0: 
    something = sess1.run(something_1, {...}) 
else: 
    something = sess2.run(something_2, {...}) 

正如你所看到的，如果你可以擺脫控制流操作，你的代碼將會非常簡單。在一張圖中包含所有內容的另一個優點是整個圖是可區分的，並且您可以根據稍後階段的損失來訓練模型第一階段的參數。