Innholdsfortegnelse:

Hvordan lagrer du en TensorFlow-graf?
Hvordan lagrer du en TensorFlow-graf?

Video: Hvordan lagrer du en TensorFlow-graf?

Video: Hvordan lagrer du en TensorFlow-graf?
Video: Что такое Tensorflow? Архитектура Tensorflow. Сессия, граф вычислений, операция, переменная, тензор. 2024, April
Anonim

TensorFlow lagrer i/laster en graf fra en fil

  1. Lagre modellens variabler i en sjekkpunktfil (. ckpt) ved hjelp av en tf.
  2. Lagre en modell i en. pb-fil og last den inn igjen ved å bruke tf.
  3. Last inn en modell fra en.
  4. Frys grafen for å lagre grafen og vektene sammen (kilde)
  5. Bruk as_graph_def() for å lagre modellen, og for vekter/variabler, kartlegg dem til konstanter (kilde)

I denne forbindelse, hvordan lagrer og gjenoppretter jeg en TensorFlow-modell?

Til lagre og gjenopprett variablene dine, alt du trenger å gjøre er å kalle tf. tog. Saver() på slutten av grafen. Dette vil lage 3 filer (data, indeks, meta) med et suffiks av trinnet du lagret din modell.

Foruten ovenfor, hva er Pbtxt? pbtxt : Dette har et nettverk av noder, som hver representerer én operasjon, koblet til hverandre som innganger og utganger. Vi vil bruke den til å fryse grafen vår. Du kan åpne denne filen og sjekke om noen noder mangler for feilsøkingsformål. Forskjell mellom. metafiler og.

Med tanke på dette, hvordan laster du en graf i TensorFlow?

TensorFlow lagrer i/laster en graf fra en fil

  1. Lagre modellens variabler i en sjekkpunktfil (. ckpt) ved hjelp av en tf.
  2. Lagre en modell i en. pb-fil og last den inn igjen ved å bruke tf.
  3. Last inn en modell fra en.
  4. Frys grafen for å lagre grafen og vektene sammen (kilde)
  5. Bruk as_graph_def() for å lagre modellen, og for vekter/variabler, kartlegg dem til konstanter (kilde)

Hva er TensorFlow-modellen?

Introduksjon. TensorFlow Servering er et fleksibelt, høyytelses serveringssystem for maskinlæring modeller , designet for produksjonsmiljøer. TensorFlow Servering gjør det enkelt å distribuere nye algoritmer og eksperimenter, samtidig som den samme serverarkitekturen og API-ene beholdes.

Anbefalt: