[英]Different prediction of Tensorflow in Python and C-API with SavedModel
[英]How to save Tensorflow model using Tensorflow C-API
使用TF_GraphToGraphDef
可以導出圖,使用TF_GraphImportGraphDef
可以導入Tensorflow圖。 還有一個方法TF_LoadSessionFromSavedModel
似乎提供了Tensorflow模型的加載(即,包括變量的圖形)。 但是,如何使用C API保存Tensorflow模型(包含變量的圖形)呢?
張量流中的模型保存是我遇到的最糟糕的編程經驗之一。 我一生中從來沒有對如此可怕的文檔感到沮喪,我不希望這對我的敵人最不利。
C api中的所有操作都通過TF_SessionRun()函數執行。 此函數有12個參數:
TF_CAPI_EXPORT extern void TF_SessionRun(
TF_Session *session, // Pointer to a TF session
const TF_Buffer *run_options, // No clue what this does
const TF_Output *inputs, // Your model inputs (not the actual input data)
TF_Tensor* const* input_values, // Your input tensors (the actual data)
int ninputs, // Number of inputs for a given operation (operations will be clear in a bit)
const TF_Output* outputs, // Your model outputs (not the actual output data)
TF_Tensor** output_values, // Your output tensors (the actual data)
int noutputs, // Number of inputs for a given operation
const TF_Operation* const* target_opers, // Your model operation (the actual computation to be performed for example training(fitting), computing metric, saving)
int ntargets, // Number of targets (in case of multi output models for example)
TF_Buffer* run_metadata, // Absolutely no clue what this is
TF_Status*); // Model status for when all fails with some cryptic error no one will help you debug
因此,您想要的是告訴TF_SessionRun執行將當前模型“保存”到文件的操作。
我這樣做的方法是分配張量並將其輸入文件名以保存模型。 這樣可以節省模型的權重,無需確定模型本身是否合適。
這是TF_SessionRun的示例執行,我知道它很神秘,我將在幾個小時內提供整個腳本。
TF_Output inputs[1] = {model->checkpoint_file}; // Input
TF_Tensor* t = Belly_ScalarStringTensor(str, model->status); // This does the tensor allocation with the output filename
TF_Tensor* input_values[1] = {t}; // Input data, the actual tensor
//TF_Operation* op[1] = {model->save_op}; // Tha "save" operation
// Run and pray
TF_SessionRun(model->session,
NULL,
inputs, input_values, 1,
/* No outputs */
NULL, NULL, 0,
/* The operation */
op, 1,
NULL,
model->status);
TF_DeleteTensor(t);
這是一個不完整的答案,我保證我會在幾個小時內進行編輯,
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.