2

我发现有不同的方法可以在Tensorflow. 这些方式包括:

在 tensorflow 的文档中,我发现了它们之间的一些差异:

  1. tf.saved_model是一个薄薄的包装tf.train.Saver
  2. tf.train.Checkpoint支持急切执行,但tf.train.Saver 支持。
  3. tf.train.Checkpoint不创建.meta文件但仍然可以加载图形结构(这是一个大问题!它是如何做到的?)

如何tf.train.Checkpoint在没有文件的情况下加载图形.metatf.train.Saver或更一般地说和有什么区别tf.train.Checkpoint

4

1 回答 1

0

根据 Tensorflow文档

Checkpoint.saveCheckpoint.restore写入和读取基于对象的检查点,与tf.train.Saver写入和读取基于 variable.name 的检查点形成对比。基于对象的检查点保存具有命名边的 Python 对象(层、优化器、变量等)之间的依赖关系图,该图用于在恢复检查点时匹配变量。它可以对 Python 程序中的更改更加健壮,并有助于在急切执行时支持变量的创建时恢复。更喜欢新代码tf.train.Checkpointtf.train.Saver

于 2018-12-02T06:13:07.803 回答