张量流量保护器可以在具有相同结构的不同图形中使用-Java 学习之路

网络结构已加载到默认全局图中 . 我想创建另一个具有相同结构的图形，并在此图中加载检查点 .

如果代码是这样的，它会抛出错误： ValueError: No variables to save 在最后一行 . 但是，第二行工作正常 . 为什么？ as_graph_def() 返回的 GraphDef 是否包含变量定义/名称？

inference_graph_def = tf.get_default_graph().as_graph_def()
saver = tf.train.Saver()
with tf.Graph().as_default():
    tf.import_graph_def(inference_graph_def)
    saver1 = tf.train.Saver()

如果这样的代码，它会在最后一行抛出错误 Cannot interpret feed_dict key as Tensor: The name 'save/Const:0' refers to a Tensor which does not exist . 但是，第三行删除后，它可以正常工作 .

inference_graph_def = tf.get_default_graph().as_graph_def()
saver = tf.train.Saver()
with tf.Graph().as_default():
    tf.import_graph_def(inference_graph_def)    
    with session.Session() as sess:        
        saver.restore(sess, checkpoint_path)

那么，这是否意味着Saver无法在不同的图形中工作，即使它们具有相同的结构？

任何帮助将不胜感激〜

1 回答

下面是一个使用 MetaGraphDef 的示例，它与 GraphDef 保存变量集合不同，使用以前保存的图形初始化新图形 .

import tensorflow as tf

CHECKPOINT_PATH = "/tmp/first_graph_checkpoint"
with tf.Graph().as_default():
  some_variable = tf.get_variable(
    name="some_variable",
    shape=[2],
    dtype=tf.float32)
  init_op = tf.global_variables_initializer()
  first_meta_graph = tf.train.export_meta_graph()
  first_graph_saver = tf.train.Saver()
  with tf.Session() as session:
    init_op.run()
    print("Initialized value in first graph", some_variable.eval())
    first_graph_saver.save(
        sess=session,
        save_path=CHECKPOINT_PATH)

with tf.Graph().as_default():
  tf.train.import_meta_graph(first_meta_graph)
  second_graph_saver = tf.train.Saver()
  with tf.Session() as session:
    second_graph_saver.restore(
      sess=session,
      save_path=CHECKPOINT_PATH)
    print("Variable value after restore", tf.global_variables()[0].eval())

打印类似于：

Initialized value in first graph [-0.98926258 -0.09709156]
Variable value after restore [-0.98926258 -0.09709156]

请注意，检查点仍然很重要！加载 MetaGraph 不会恢复 Variables 的值（它不包含这些值），只是跟踪它们存在的记录（集合） . SavedModel format解决此问题，将 MetaGraph 与检查点和其他元数据捆绑在一起运行它们 .

编辑：根据大众需求，这是一个用 GraphDef 做同样事情的例子 . 我不推荐它 . 由于在加载 GraphDef 时没有恢复任何集合，我们必须手动指定 Variables 我们希望 Saver 恢复; "import/"默认命名方案很容易修复 name='' 的 name='' 参数，但如果你想让 Saver 工作"automatically"，则需要手动填写变量集合 . 相反，我选择在创建 Saver 时手动指定映射 .

import tensorflow as tf

CHECKPOINT_PATH = "/tmp/first_graph_checkpoint"
with tf.Graph().as_default():
  some_variable = tf.get_variable(
    name="some_variable",
    shape=[2],
    dtype=tf.float32)
  init_op = tf.global_variables_initializer()
  first_graph_def = tf.get_default_graph().as_graph_def()
  first_graph_saver = tf.train.Saver()
  with tf.Session() as session:
    init_op.run()
    print("Initialized value in first graph", some_variable.eval())
    first_graph_saver.save(
        sess=session,
        save_path=CHECKPOINT_PATH)

with tf.Graph().as_default():
  tf.import_graph_def(first_graph_def)
  variable_to_restore = tf.get_default_graph().get_tensor_by_name(
      "import/some_variable:0")
  second_graph_saver = tf.train.Saver(var_list={
      "some_variable": variable_to_restore
  })
  with tf.Session() as session:
    second_graph_saver.restore(
      sess=session,
      save_path=CHECKPOINT_PATH)
    print("Variable value after restore", variable_to_restore.eval())

回复于 2024-05-15T00:07:03+08:00

张量流量保护器可以在具有相同结构的不同图形中使用

1 回答

相关问题