如何使用saved_model API定期保存张量流模型？

Question

因此出于各种原因（例如其语言独立性），我想使用tensorflow的saved_model API来保存/加载模型。 在培训结束时，可以通过调用builder.add_meta_graph_and_variables()来保存所有内容（并成功还原），但是我看不到任何定期保存的方法。 Tensorflow上的文档非常稀疏，它们提供的模板代码（ 在此处 ）对我没有帮助：

...
builder = tf.saved_model.builder.SavedModelBuilder(export_dir)

with tf.Session(graph=tf.Graph()) as sess:
  ...
  builder.add_meta_graph_and_variables(sess,
                                  ["foo-tag"],
                                  signature_def_map=foo_signatures,
                                  assets_collection=foo_assets)
...

with tf.Session(graph=tf.Graph()) as sess:
  ...
  builder.add_meta_graph(["bar-tag", "baz-tag"])
...

builder.save()

调用builder.save()不会将新变量保存到模型中。 它只是更新了模型protobuf。

我想念什么？ 在第n个纪元后，如何使用saved_model ？

Answer 1

好吧，在这里和其他地方浏览过tensorflow代码后，答案似乎是“您不能”。 SavedModelBuilder实际上仅是为训练阶段之外的模型设计的，它使您可以添加元图并选择要加载/保存的变量集（即TRAINING vs. SERVING），仅此而已。 例如， SavedModelBuilder.add_meta_graph_and_variables只能被调用一次，并且没有SavedModelBuilder.update_variables或类似的东西。 另一方面，在训练时，您需要使用Saver类并保存检查点和那些关联的文件。 为什么没有一个统一的系统，我不知道，但是显然就是这样。

Answer 2

调用builder.add_meta_graph_and_variables()时将保存变量，因为在其中调用了saver.save() 。 看这里

解：

只需在builder.save()之前调用saver.save(sess, export_dir+'/variables/variables', write_meta_graph=False, write_state=False) builder.save() 。