Taula de continguts:

Com es desa un gràfic de TensorFlow?
Com es desa un gràfic de TensorFlow?

Vídeo: Com es desa un gràfic de TensorFlow?

Vídeo: Com es desa un gràfic de TensorFlow?
Vídeo: Нейросеть прямо в браузере (JavaScript / TensorFlow) 2024, Maig
Anonim

TensorFlow desant/carregant un gràfic des d'un fitxer

  1. Deseu les variables del model en un fitxer de punt de control (.ckpt) mitjançant un tf.
  2. Desa un model en un. pb i torna a carregar-lo amb tf.
  3. Carrega en un model des d'un.
  4. Congela el gràfic per desar el gràfic i els pesos junts (font)
  5. Utilitzeu as_graph_def() per desar el model i, per als pesos/variables, assigneu-los a constants (font)

En aquest sentit, com puc desar i restaurar un model de TensorFlow?

A guardar i restaurar les teves variables, tot el que has de fer és cridar el tf. tren. Saver() al final del vostre gràfic. Això crearà 3 fitxers (dades, índex, meta) amb un sufix del pas guardat el vostre model.

Al costat de dalt, què és Pbtxt? pbtxt : Conté una xarxa de nodes, cadascun representant una operació, connectats entre si com a entrades i sortides. L'utilitzarem per congelar el nostre gràfic. Podeu obrir aquest fitxer i comprovar si falten alguns nodes per a la depuració. Diferència entre. metafitxers i.

Tenint en compte això, com es carrega un gràfic a TensorFlow?

TensorFlow desant/carregant un gràfic des d'un fitxer

  1. Deseu les variables del model en un fitxer de punt de control (.ckpt) mitjançant un tf.
  2. Desa un model en un. pb i torna a carregar-lo amb tf.
  3. Carrega en un model des d'un.
  4. Congela el gràfic per desar el gràfic i els pesos junts (font)
  5. Utilitzeu as_graph_def() per desar el model i, per als pesos/variables, assigneu-los a constants (font)

Què és el model TensorFlow?

Introducció. TensorFlow Servir és un sistema de publicació flexible i d'alt rendiment per a l'aprenentatge automàtic models , dissenyat per a entorns de producció. TensorFlow La publicació facilita la implementació d'algoritmes i experiments nous, alhora que es manté la mateixa arquitectura de servidor i API.

Recomanat: