在tensorflow中保存模型

Tensorflow允許我們使用tf.train.write_graph方法保存/加載模型的結構，以便我們可以在將來恢復它以繼續我們的培訓課程。但是，我想知道如果這是必要的，因爲我可以創建一個模塊，例如GraphDefinition.py，並使用此模塊重新創建模型。那麼，哪種方法可以更好地保存模型結構，或者有什麼經驗法則可以說明保存模型時應該使用哪種方式？在tensorflow中保存模型

來源

2016-08-14 user3425082

你能提供一些代碼示例嗎？或進一步的信息？我不明白爲什麼創建模塊很重要，爲了節省TensorFlow模型的權重。我總是可以保存整個圖表（看大小有一些開銷，我猜）或者指定應該保存哪些權重。但是，儘管使用過的內存沒有太大的區別。 – daniel451

首先，你必須明白，張量流圖沒有當前的權重（直到你手動保存它們），並且如果你從graph.pb載入模型結構，你將開始從一開始訓練。但是，如果你想繼續訓練或使用你的訓練模型，你必須保存檢查點（使用tf Saver）和變量的值，而不僅僅是結構。看看這個胎面：Tensorflow: How to restore a previously saved model (python)

來源

2016-08-15 07:33:05

是的。我知道我必須使用tf.Saver來保存重量。我無法得到的是，是否需要將模型結構保存到graph.pb並從該文件重新加載圖形，還是應該自己重新創建圖形？ – user3425082

對於圖和檢查點中的重要操作和變量，您應該具有相同的名稱（不是python \ C++名稱，但是tf，即：a = tf.Variable（value，name ='define-tf-name-here'））文件正確加載值，但如何得到這個 - 完全取決於你。保存和恢復圖形定義文件或使用代碼重新創建它們都可以。 –

在tensorflow中保存模型

回答

相關問題