首页 文章

tensorflow存储已恢复检查点的位置

提问于
浏览 次
0
_ = importer.import_graph_def(input_graph_def, name='')

with session.Session() as sess:
    if input_saver_def:
      saver = saver_lib.Saver(saver_def=input_saver_def)
      saver.restore(sess, input_checkpoint)
output_graph_def = graph_util.convert_variables_to_constants(
        sess,
        input_graph_def,
        output_node_names.split(','),
        variable_names_blacklist=variable_names_blacklist)

在上面的代码中，导入器用于将graphDef导入到当前默认图形，并且保护程序加载以前训练的值 . 问题是存储这些训练值的位置？在会话中，在input_graph_def中，在当前图形结构（tf.get_default_graph（））中还是在保护程序中？

我检查方法 convert_variables_to_constants 的代码 . https://github.com/tensorflow/tensorflow/blob/235192d47cfb375c0cc93c1deefb9e440715bf35/tensorflow/python/framework/graph_util_impl.py

它使用sess.run（变量名）来获取加载的值 . 这个 sess.run 从哪里获取值？

python tensorflow

1 回答

  • 0

    当我们定义保护程序时，我们应该将注释传递给它（默认情况下它是全局变量） .

    In [2]: import tensorflow as tf
In [3]: a = tf.get_variable("a", [])
In [4]: b = tf.get_variable("b", [])
In [5]: saver_a = tf.train.Saver({"my_a_in_ckpt": a}) # here "my_a_in_ckpt" can be any apt name you like, it is the variable name stored only in the checkpoint (1)
In [6]: init = tf.global_variables_initializer()
In [7]: sess = tf.Session()
In [8]: sess.run(init)
In [9]: sess.run(a)
Out[9]: 0.43891537
In [10]: sess.run(b)
Out[10]: 1.5962805
In [11]: saver_a.save(sess, "./temp_model")

    这里我们首先初始化所有变量并将其保存为“./temp_model” . 要恢复变量：

    In [2]: import tensorflow as tf
In [3]: a = tf.get_variable("a", []) 
In [5]: saver_a = tf.train.Saver({"my_a_in_ckpt": a})  # here "my_a_in_ckpt" should match that as you defined in step (1)
In [7]: sess = tf.Session()
In [9]: saver_a.restore(sess, tf.train.latest_checkpoint("./temp_model"))
INFO:tensorflow:Restoring parameters from ./temp_model/temp
In [10]: sess.run(a)
Out[10]: 0.43891537
In [11]: sess.run(b)
Out[11]: 1.5962805

    我们可以将a和b保存到不同的地方：

    In [12]: saver_b = tf.train.Saver({"b": b})
In [13]: saver_b.save(sess, "./temp_model_b/temp")
Out[13]: './temp_model_b/temp'

    并将它们恢复为图形：

    In [3]: a = tf.get_variable("a", [])
In [4]: b = tf.get_variable("b", [])
In [5]: saver_b = tf.train.Saver({"b": b})
In [6]: saver_a = tf.train.Saver({"my_a_in_ckpt": a})
In [7]: saver_a.restore(sess, tf.train.latest_checkpoint("./temp_model"))                              
INFO:tensorflow:Restoring parameters from ./temp_model/temp
In [8]: saver_b.restore(sess, tf.train.latest_checkpoint("./temp_model_b"))
INFO:tensorflow:Restoring parameters from ./temp_model_b/temp
In [9]: sess.run(a)
Out[9]: 0.43891537
In [10]: sess.run(b)
Out[10]: 1.5962805
    回复于

相关问题