TensorFlow从文件中保存/加载graphics

从目前为止，我们已经有几种不同的方法将TensorFlow图转储到一个文件中，然后将其加载到另一个程序中，但是我一直无法find有关它们工作原理的明确示例/信息。 我已经知道的是这样的：

1. 使用tf.train.Saver()将模型的variables保存到检查点文件（.ckpt tf.train.Saver() ，稍后恢复（ 源文件 ）
2. 将模型保存到.pb文件中，并使用tf.train.write_graph()和tf.import_graph_def() （ source ）将其加载回来。
3. 从.pb文件加载模型，重新训练，并使用Bazel（ 源代码 ）将其转储到新的.pb文件中
4. 冻结graphics以保存graphics和权重（ 来源 ）
5. 使用as_graph_def()保存模型，对于权重/variables，将它们映射到常量（ 源 ）

但是，我还没有能够澄清这些不同方法的几个问题：

1. 关于检查点文件，他们是否只保存模型的训练重量？ 检查点文件可以加载到一个新的程序，并用于运行模型，或者他们只是作为方式来保存模型中的权重在某个时间/阶段？
2. 关于tf.train.write_graph() ，还保存了权重/variables吗？
3. 关于Bazel，它只能保存到/从.pb文件加载再培训？ 有一个简单的Bazel命令只是将图转储到.pb中吗？
4. 关于冻结，可以使用tf.import_graph_def()来加载冻结图吗？
5. TensorFlow的Android演示从.pb文件加载到Google的Inception模型中。 如果我想replace自己的.pb文件，我该如何去做呢？ 我需要更改任何本机代码/方法吗？
6. 一般来说，所有这些方法之间究竟有什么区别呢？ 或者更广泛地说， as_graph_def() ckpt/.pb有什么区别？

总之，我正在寻找的是一种方法来保存一个graphics（如，各种操作等）及其权重/variables到一个文件，然后可以用来加载graphics和权重到另一个程序，供使用（不一定是继续/再培训）。

有关这个主题的文档不是很简单，所以任何答案/信息将不胜感激。

Answer 1

在TensorFlow中有很多方法可以解决保存模型的问题，这可能会导致混乱。 依次分析你的每一个子问题：

1. 检查点文件（例如，通过在tf.train.Saver对象上调用saver.save() tf.train.Saver ）仅包含权重以及在同一程序中定义的任何其他variables。 要在另一个程序中使用它们，必须重新创build关联的graphics结构（例如通过运行代码来重新构build它，或者调用tf.import_graph_def() ），它告诉TensorFlow如何处理这些权重。 请注意，调用saver.save()还会生成一个包含MetaGraphDef的文件，该文件包含一个graphics以及如何将检查点的权重与该graphics相关联的详细信息。 请参阅教程了解更多详情。

2. tf.train.write_graph()只写图结构; 不是重量。

3. Bazel与阅读或编写TensorFlow图表无关。 （也许我误解了你的问题：请在评论中澄清它。）

4. 冻结图可以使用tf.import_graph_def()加载。 在这种情况下，权重（通常）embedded在图中，因此不需要加载单独的检查点。

5. 主要的变化是更新input到模型中的张量的名称，以及从模型中提取的张量的名称。 在TensorFlow Android演示中，这将对应于传递给TensorFlowClassifier.initializeTensorFlow()的inputName和outputNamestring。

6. GraphDef是程序结构，通常在训练过程中不会改变。 检查点是训练过程状态的快照，通常在训练过程的每一步都会改变。 因此，TensorFlow针对这些types的数据使用不同的存储格式，而低级API提供了不同的方式来保存和加载它们。 较高级别的库，如MetaGraphDef库， MetaGraphDef和skflowbuild立在这些机制上，以提供更方便的方式来保存和恢复整个模型。