Πίνακας περιεχομένων:

Πώς αποθηκεύετε ένα γράφημα TensorFlow;
Πώς αποθηκεύετε ένα γράφημα TensorFlow;

Βίντεο: Πώς αποθηκεύετε ένα γράφημα TensorFlow;

Βίντεο: Πώς αποθηκεύετε ένα γράφημα TensorFlow;
Βίντεο: ВЫШИВАЛЬНЫЙ ВЛОГ №2 СКОЛЬКО ВЫШИТО/ПЛАНЫ/ПОКУПКИ/ЗАПАСЫ) 2024, Νοέμβριος
Anonim

Το TensorFlow αποθηκεύει/φορτώνει ένα γράφημα από ένα αρχείο

  1. Αποθηκεύστε τις μεταβλητές του μοντέλου σε ένα αρχείο σημείου ελέγχου (. ckpt) χρησιμοποιώντας ένα tf.
  2. Αποθηκεύστε ένα μοντέλο σε ένα. pb και φορτώστε το ξανά χρησιμοποιώντας tf.
  3. Φόρτωση σε ένα μοντέλο από ένα.
  4. Παγώστε το γράφημα για να αποθηκεύσετε το γράφημα και τα βάρη μαζί (πηγή)
  5. Χρησιμοποιήστε as_graph_def() για να αποθηκεύσετε το μοντέλο και για βάρη/μεταβλητές, αντιστοιχίστε τα σε σταθερές (πηγή)

Από αυτή την άποψη, πώς μπορώ να αποθηκεύσω και να επαναφέρω ένα μοντέλο TensorFlow;

Προς το αποθήκευση και επαναφορά τις μεταβλητές σας, το μόνο που χρειάζεται να κάνετε είναι να καλέσετε το tf. τρένο. Saver() στο τέλος του γραφήματος. Αυτό θα δημιουργήσει 3 αρχεία (δεδομένα, ευρετήριο, meta) με ένα επίθημα του βήματος εσείς σώθηκε τα δικα σου μοντέλο.

Εκτός από τα παραπάνω, τι είναι το Pbtxt; pbtxt : Περιέχει ένα δίκτυο κόμβων, καθένας από τους οποίους αντιπροσωπεύει μία λειτουργία, συνδεδεμένοι μεταξύ τους ως είσοδοι και έξοδοι. Θα το χρησιμοποιήσουμε για να παγώσουμε το γράφημά μας. Μπορείτε να ανοίξετε αυτό το αρχείο και να ελέγξετε εάν κάποιοι κόμβοι λείπουν για σκοπούς εντοπισμού σφαλμάτων. Διαφορά μεταξύ. meta αρχεία και.

Λαμβάνοντας υπόψη αυτό, πώς φορτώνετε ένα γράφημα στο TensorFlow;

Το TensorFlow αποθηκεύει/φορτώνει ένα γράφημα από ένα αρχείο

  1. Αποθηκεύστε τις μεταβλητές του μοντέλου σε ένα αρχείο σημείου ελέγχου (. ckpt) χρησιμοποιώντας ένα tf.
  2. Αποθηκεύστε ένα μοντέλο σε ένα. pb και φορτώστε το ξανά χρησιμοποιώντας tf.
  3. Φόρτωση σε ένα μοντέλο από ένα.
  4. Παγώστε το γράφημα για να αποθηκεύσετε το γράφημα και τα βάρη μαζί (πηγή)
  5. Χρησιμοποιήστε as_graph_def() για να αποθηκεύσετε το μοντέλο και για βάρη/μεταβλητές, αντιστοιχίστε τα σε σταθερές (πηγή)

Τι είναι το μοντέλο TensorFlow;

Εισαγωγή. TensorFlow Το Serving είναι ένα ευέλικτο, υψηλής απόδοσης σύστημα εξυπηρέτησης για μηχανική μάθηση μοντέλα , σχεδιασμένο για περιβάλλοντα παραγωγής. TensorFlow Η εξυπηρέτηση διευκολύνει την ανάπτυξη νέων αλγορίθμων και πειραμάτων, διατηρώντας παράλληλα την ίδια αρχιτεκτονική διακομιστή και API.

Συνιστάται: