Я хочу использовать предварительно обученную модель тензорного потока, предоставленную неизвестным автором. Я не знаю, как ему/ей удалось сохранить модель тензорного потока (он/она использовал версию тензорного потока >= 1.2) только в один файл с расширением «.model», так как обычно я получаю либо три файлы '.meta', '.data', '.index' или один файл с '.ckpt'.
Как я могу восстановить эту предварительно обученную модель? Как я могу сохранить модель в этом формате позже?
Спасибо.
Я также задавал этот вопрос на нескольких платформах без помощи. Поэтому я решил провести некоторую экспериментальную работу, и вот что я нашел. Это может быть долго, но, пожалуйста, потерпите меня.
Для импорта модели в Tensor-flow мы используем
with tf.Session() as sess:
new_saver = tf.train.import_meta_graph('my_test_model-1000.meta')
new_saver.restore(sess, tf.train.latest_checkpoint('./'))
Файл .meta содержит все переменные, операции, коллекции и т. д. обученной модели. Что делает tf.train.latest_checkpoint('./'), так это использует файл контрольной точки (который просто хранит запись о последних сохраненных файлах контрольной точки) для импорта файла xxxx_model.data-00000-of-00001. Этот .data-00000-of-00001 содержит все веса, смещения, градиенты и т. д., которые должны быть загружены в переменные, содержащиеся в my_test_model-1000.meta.
with tf.Session() as sess:
new_saver = tf.train.import_meta_graph('my_test_model-1000.meta')
#new_saver.restore(sess, tf.train.latest_checkpoint('./'))
tensor_variable = tf.trainable_variables()
for tensor_var in tensor_variable:
#print(sess.run(tensor_var))
print(tensor_var)
Этот исходный код распечатает все переменные из .meta, которые можно обучить. Если вы попытаетесь запустить print(sess.run(tensor_var)), вы получите сообщение об ошибке. Это потому, что переменные не были инициализированы. Однако, если вы раскомментируете new_saver.restore(sess, tf.train.latest_checkpoint('./')) и запустите print(sess.run(tensor_var)), вы получите все переменные вместе со значениями, загруженными в переменные.
Я думаю, что xxxxxx.model работает так же, как xxxx_model.data-00000-of-00001 из tensorflow. Он не содержит переменных, поэтому, если вы попытаетесь сделать
with tf.Session() as sess:
new_saver = tf.train.import_meta_graph('xxx.model')
вы получите ошибку. Помните, причина в том, что этот .model файл не содержит ни переменных, ни графика операций в любой форме. Если вы также попытаетесь сделать
with tf.Session() as sess:
new_saver = tf.train.Saver()
new_saver.restore(sess, "xxxx.model")
вы также получите ошибку. Это связано с тем, что нет соответствующих переменных для загрузки значений. Поэтому, если вы когда-нибудь получите файл xxx.model, вам придется пройти через мучительную репликацию всех переменных и операций, прежде чем пытаться запустить new_saver.restore(sess, "xxxx.model"). Надеюсь, если вы сможете воспроизвести архитектуру, все будет работать гладко и без проблем.
Прошу прощения, что получилось длинно, но учитывая, что в интернете почти нет ответа, пришлось сделать из этого лекцию. :)
