在tensorflow中保存模型

Tensorflow允许我们使用tf.train.write_graph方法保存/加载模型的结构，以便我们可以在将来恢复它以继续我们的培训课程。但是，我想知道如果这是必要的，因为我可以创建一个模块，例如GraphDefinition.py，并使用此模块重新创建模型。那么，哪种方法可以更好地保存模型结构，或者有什么经验法则可以说明保存模型时应该使用哪种方式？在tensorflow中保存模型

来源

2016-08-14 user3425082

你能提供一些代码示例吗？或进一步的信息？我不明白为什么创建模块很重要，为了节省TensorFlow模型的权重。我总是可以保存整个图表（看大小有一些开销，我猜）或者指定应该保存哪些权重。但是，尽管使用过的内存没有太大的区别。 – daniel451

首先，你必须明白，张量流图没有当前的权重（直到你手动保存它们），并且如果你从graph.pb载入模型结构，你将开始从一开始训练。但是，如果你想继续训练或使用你的训练模型，你必须保存检查点（使用tf Saver）和变量的值，而不仅仅是结构。看看这个胎面：Tensorflow: How to restore a previously saved model (python)

来源

2016-08-15 07:33:05

是的。我知道我必须使用tf.Saver来保存重量。我无法得到的是，是否需要将模型结构保存到graph.pb并从该文件重新加载图形，还是应该自己重新创建图形？ – user3425082

对于图和检查点中的重要操作和变量，您应该具有相同的名称（不是python \ C++名称，但是tf，即：a = tf.Variable（value，name ='define-tf-name-here'））文件正确加载值，但如何得到这个 - 完全取决于你。保存和恢复图形定义文件或使用代码重新创建它们都可以。 –

在tensorflow中保存模型

回答

相关问题