[英]Difference between tf.train.Checkpoint and tf.train.Saver
我發現有多種方法可以在Tensorflow
保存/恢復模型和變量。 這些方式包括:
在tensorflow的文檔中,我發現它們之間存在一些差異:
tf.saved_model
是圍繞一個瘦包裝tf.train.Saver
tf.train.Checkpoint
支持急於執行,但tf.train.Saver
不支持。 tf.train.Checkpoint
不會創建.meta
文件,但仍然可以加載圖形結構(這是一個大問題!它如何做到這一點?) tf.train.Checkpoint
如何在沒有.meta
文件的情況下加載圖形? 或更廣泛地說, tf.train.Saver
和tf.train.Checkpoint
什么tf.train.Checkpoint
?
根據Tensorflow 文檔 :
Checkpoint.save
和Checkpoint.restore
寫入和讀取基於對象的檢查點,而tf.train.Saver
可以寫入和讀取基於variable.name的檢查點。 基於對象的檢查點保存帶有命名邊的Python對象(層,優化程序,變量等)之間的依存關系圖,該圖用於在恢復檢查點時匹配變量。 它對Python程序中的更改可能更健壯,並有助於在急切執行時支持變量的創建時恢復。 對於新代碼,tf.train.Saver
使用tf.train.Checkpoint
不是tf.train.Saver
。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.