TensorFlow 保存多个会话之一

Question

您有一个 Python 脚本，我在其中实例化了一个神经网络类的两个对象。 每个对象都定义了自己的会话并提供了保存图形的方法。

import tensorflow as tf
import os, shutil

class TestNetwork:

    def __init__(self, id):
        self.id = id

        tf.reset_default_graph()

        self.s = tf.placeholder(tf.float32, [None, 2], name='s')
        w_initializer, b_initializer = tf.random_normal_initializer(0., 1.0), tf.constant_initializer(0.1)
        self.k = tf.layers.dense(self.s, 2, kernel_initializer=w_initializer,
                    bias_initializer=b_initializer, name= 'k')

        '''Defines self.session and initialize the variables'''
        session_conf = tf.ConfigProto(
            allow_soft_placement = True,
            log_device_placement = False)
        self.session = tf.Session(config = session_conf)
        self.session.run(tf.global_variables_initializer())



    def save_model(self, output_dir):
        '''Save the network graph and weights to disk'''
        if os.path.exists(output_dir):
            # if provided output_dir already exists, remove it
            shutil.rmtree(output_dir)

        builder = tf.saved_model.builder.SavedModelBuilder(output_dir)
        builder.add_meta_graph_and_variables(
            self.session,
            [tf.saved_model.tag_constants.SERVING],
            clear_devices=True)
        # create a new directory output_dir and store the saved model in it
        builder.save()


t1 = TestNetwork(1)
t2 = TestNetwork(2)


t1.save_model("t1_model")
t2.save_model("t2_model")

我得到的错误是

TypeError：无法将 feed_dict 键解释为张量：名称 'save/Const:0' 指的是不存在的张量。操作， 'save/Const'，图中不存在。

我读到一些东西说这个错误是由于tf.train.Saver。

因此我在__init__ 方法的末尾添加了以下行：

self.saver = tf.train.Saver(tf.global_variables(), max_to_keep = 5)

但是我仍然得到错误。

Answer 1

tf.reset_default_graph 将清除默认图堆栈并重置全局默认图。

注意：默认图是当前线程的属性。这个 函数只适用于当前线程。调用这个函数 当 tf.Session 或 tf.InteractiveSession 处于活动状态时，将导致 未定义的行为。 使用任何以前创建的 tf.Operation 或 调用此函数后的 tf.Tensor 对象将导致 undefined 行为。

您应该单独指定Graph，并在相应的图形范围内定义所有这些。

def __init__(self, id):
    self.id = id

    self.graph = tf.Graph()
    with self.graph.as_default():
        self.s = tf.placeholder(tf.float32, [None, 2], name='s')
        w_initializer, b_initializer = tf.random_normal_initializer(0., 1.0), tf.constant_initializer(0.1)
        self.k = tf.layers.dense(self.s, 2, kernel_initializer=w_initializer,
                    bias_initializer=b_initializer, name= 'k')
        init = tf.global_variables_initializer()

    '''Defines self.session and initialize the variables'''
    session_conf = tf.ConfigProto(
        allow_soft_placement = True,
        log_device_placement = False)
    self.session = tf.Session(config = session_conf,graph=self.graph)
    self.session.run(init)

tf.train.Saver 是另一种保存模型变量的方法。

编辑 如果你得到空的“变量”，你应该在图中保存模型：

def save_model(self, output_dir):
    '''Save the network graph and weights to disk'''
    if os.path.exists(output_dir):
        # if provided output_dir already exists, remove it
        shutil.rmtree(output_dir)

    with self.graph.as_default():
        builder = tf.saved_model.builder.SavedModelBuilder(output_dir)
        builder.add_meta_graph_and_variables(
            self.session,
            [tf.saved_model.tag_constants.SERVING],
            clear_devices=True)
        # create a new directory output_dir and store the saved model in it
        builder.save()