常规模型检查点和张量流中保存的模型有什么区别？

Question

模型和冻结模型之间有相当明显的区别。如in model_files 所述，相关部分：Freezing ...所以有一个 freeze_graph.py 脚本，它接受一个图形定义和一组检查点并将它们一起冻结到一个文件中。

• 是与“frozen_model”最相似的“saved_model”（而不是已保存的 “模型检查点”）？
• 这是在我丢失的文档中的某个地方定义的吗？
• 在之前的 tensorflow 版本中，我们会保存和恢复模型 权重，但这似乎是在“model_checkpoint”的上下文中，而不是 “saved_model”，这仍然正确吗？

我在这里要求更多的设计概述，而不是实现细节。

Answer 1

检查点文件仅包含特定模型的变量，应使用完全相同的预定义图形或特定assignment_map 加载以仅加载选定的变量。见https://www.tensorflow.org/api_docs/python/tf/train/init_from_checkpoint

保存的模型更广泛，因为它包含可以在会话中加载的图表并且可以继续训练。然而，冻结图是序列化的，无法用于继续训练。
你可以在这里找到所有信息https://www.tensorflow.org/guide/saved_model