恢复张量流模型

Question

我想在训练后恢复一个 tensorflow 模型。我知道我可以使用tf.train.Saver，但问题在于恢复，因为我对get_tensor_by_name 的名称感到困惑。有谁能够帮我？ 这是我的图表：

x_hat = tf.placeholder(tf.float32, shape=[None, dim_img], name='input_img')
x = tf.placeholder(tf.float32, shape=[None, dim_img], name='target_img')

# dropout
keep_prob = tf.placeholder(tf.float32, name='keep_prob')

# input for PMLR
z_in = tf.placeholder(tf.float32, shape=[None, dim_z], name='latent_variable')

# network architecture
y, z, loss, neg_marginal_likelihood, KL_divergence = vae.autoencoder(x_hat, x, dim_img, dim_z, n_hidden,
                                                                                keep_prob)

Answer 1

当您保存模型时，您会保存 2 件事：1) 元图，它是图的表示形式（您定义的所有 TF 符号；2）包含实际变量值的检查点（它们是按名称保存和恢复）。

当您恢复时，您可以恢复其中一个或两个组件。您所描述的是恢复元图和检查点数据。在这种情况下，您需要按名称查找您感兴趣的各种操作和张量，这可能会造成混淆（尤其是如果您没有很好地命名变量，您应该始终这样做）。

# In this method you import the meta graph then restore
saver = tf.train.import_meta_graph('my-save-dir/my-model-10000.meta')
saver.restore(sess, 'my-save-dir/my-model-10000')

恢复的另一个选项（我更喜欢 mysefl）是根本不加载元图。相反，只需重新运行您最初用于创建图表的相同代码（如果您做得很好，这将全部组织在一个地方）。然后你只恢复检查点。这种方法的好处是您可以轻松地保留对您需要的所有操作的引用（例如成本、train_op、占位符等）。

# This method only performs the restor operation 
# assuming the graph is already constructure
saver.restore(sess, 'my-save-dir/my-model-10000')