我正在使用 Tensorflow + Python。
我很好奇是否可以在没有详细源代码的情况下发布已保存的 Tensorflow 模型（架构 + 训练变量）。我知道tf.train.Saver()，但它看起来只保存变量，为了恢复/运行它们，用户需要“定义”相同的架构。
仅出于测试/运行目的，有没有办法在没有源代码的情况下发布已保存的{架构+训练变量}，以便用户只需投射查询并获得结果？
【问题讨论】：
标签： python tensorflow
TensorFlow Serving 项目旨在简化此用例（假设最终用户仅使用模型进行推理，而不是训练）。 TensorFlow Serving 包括一个 Exporter 类，它接受您的 tf.train.Saver，tf.GraphDef 定义您的整体模型，以及一个描述模型输入和输出的“签名”。
basics tutorial 对导出模型有很好的介绍。
【讨论】：
您可以从 MetaGraphDef 构建Saver（默认情况下与检查点一起保存：那些 .meta 文件）。然后使用该 Saver 恢复您的模型。所以用户不必在他们的代码中重新定义你的图表。但是他们仍然需要弄清楚模型签名（输入、输出变量）。我使用tf.Collection 解决了这个问题（但我也有兴趣找到更好的方法）。
您可以查看我的示例实现（eval.py 评估模型而不重新定义模型）：
【讨论】：