如何在Tensorflow的檢查點保存張量？

我想用tf.train.Saver（），使張量檢查點，這裏是我的代碼片段：如何在Tensorflow的檢查點保存張量？

import tensorflow as tf 

with tf.Graph().as_default(): 
    var = tf.Variable(tf.zeros([10]), name="biases") 
    temp = tf.add(var, 0.1) 
    init_op = tf.global_variables_initializer() 

    saver = tf.train.Saver({'w':temp}) 

    with tf.Session() as sess: 
     sess.run(init_op) 
     print(sess.run(temp))

，但得到了一個錯誤如下：

Traceback (most recent call last): 
    File "./test_counter.py", line 61, in <module> 
    saver = tf.train.Saver({'w':temp}) 
    File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/training/saver.py", line 1043, in __init__ 
    self.build() 
    File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/training/saver.py", line 1073, in build 
    restore_sequentially=self._restore_sequentially) 
    File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/training/saver.py", line 649, in build 
    saveables = self._ValidateAndSliceInputs(names_to_saveables) 
    File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/training/saver.py", line 578, in _ValidateAndSliceInputs 
    variable) 
    TypeError: names_to_saveables must be a dict mapping string names to Tensors/Variables. Not a variable: Tensor("TransformFeatureToIndex:0", shape=(100,), dtype=string)

我想到的一種方式是通過sess.run（temp）存儲客戶端的張量並保存，但有沒有更重要的方法？

來源

2017-01-11 Tianjin Gu

temp不是tf.Variable，而是一個操作。它「沒有」值或狀態，它只是圖中的一個節點。如果要明確保存添加到var的結果，則可以通過tf.assign將temp分配給另一個變量，並保存該其他變量。更簡單的方法可能是節省var（或整個會話），並在恢復之後再次評估temp。

來源

2017-01-11 10:16:52 phg

謝謝，tf.assign的作品！對於我的真實情況，我使用了比tf.add複雜得多的自定義操作，因此評估'temp'非常昂貴，tf.assign很適合我的情況。 –

如何在Tensorflow的檢查點保存張量？

回答

相關問題