Graph 如何在tensorflow中合并两个模型？

我正在使用tensorflow进行人脸识别。 我有一个图表，我用它来训练两个不同的模型，每个模型有10个类。 现在我的问题是，我能在这两个模型的帮助下创建一个包含20个类的模型吗。 请回答这个问题。如果你想要更多的信息，请告诉我。

---

提前感谢。

我不建议您合并两个图，主要是因为使用20个类别训练的Parameter与使用10个类别合并的Parameter有很大不同，但是如果您仍然想这样做，这里有一些建议

首先使用meta_graph_def或graph_def导入图形

第二步提取图形中的“瓶颈”张量，您可以使用

瓶颈=图形来完成。通过名称（“您的张量名称”）获取张量

第三，从磁盘（checkpoint）读取预先训练的值，类
tf.train.NewCheckpointReader
可以提供帮助

最后一步，使用从第三步读取的值在瓶颈张量上构建一个常数张量。
这两个模型的结构是什么？除了最后一个softmax层外，它们有相同的层？感谢回复。是的，这个结构有相同的层和相同数量的神经元。softmax层也有相同数量的输出（它是10）。谢谢@Jie.Zhou，这似乎有些帮助。但我对最后一步非常清楚。你能给我提供任何关于这个的链接吗。对于第三个从磁盘（checkpoint）读取预训练值的类tf.train.NewCheckpointReader，它将只读取一个模型的预训练值。另一个模型如何，以及其他模型如何影响这里。@Akki在tensorflow网站上查看这两个功能的文档：
tf.train.import\u meta\u graph
和
tf.import\u graph\u def
（在尝试恢复模型时经常使用它们）很抱歉这里的第一条评论，但最后一步我非常清楚。。事实上，我对最后一步不是很清楚。@Akki一旦你从检查点文件中读取了你的权重，比方说两个numpy.array，分别称为
w1
和
w2
，用
w=np.hstack（[w1，w2]）
将这两个权重合并，然后创建一个常量张量
softmax\u w=tf.constant（w）
，计算logits
logits=tf.matmul（瓶颈，softmax_w）
（为了简单起见省略偏差），然后计算概率
prob=tf.nn.softmax（logits）
谢谢@Jie.Zhou，我会试试这个。