Python 如何将tensorflow图拆分为两部分并保存到两个保存的_模型中?
我有一个保存的_模型格式的tensorflow模型,大小超过10GB。计算图由两部分组成,上游部分主要是稀疏嵌入矩阵,其中大部分是大尺寸的,下游部分是dnn。第一部分是内存密集型的,最好在CPU上运行,第二部分包含可以在GPU上优化的操作。这两部分由Python 如何将tensorflow图拆分为两部分并保存到两个保存的_模型中?,python,c++,tensorflow,Python,C++,Tensorflow,我有一个保存的_模型格式的tensorflow模型,大小超过10GB。计算图由两部分组成,上游部分主要是稀疏嵌入矩阵,其中大部分是大尺寸的,下游部分是dnn。第一部分是内存密集型的,最好在CPU上运行,第二部分包含可以在GPU上优化的操作。这两部分由GatherSpaseSegmentSum和SpaseSegmentMean的操作划分 我的问题是如何将这两个部分划分为两个已保存的模型,以便将它们分别部署在CPU设备和GPU设备上。关于这个话题的最佳实践是什么?是否有任何实现示例?您可以尝试导出到
Gather
SpaseSegmentSum
和SpaseSegmentMean
的操作划分
我的问题是如何将这两个部分划分为两个已保存的模型,以便将它们分别部署在CPU设备和GPU设备上。关于这个话题的最佳实践是什么?是否有任何实现示例?您可以尝试导出到onnx并处理其中的图形。@在我的情况下,将dmedine导出到onnx将满足protobuf大小限制。您可以尝试导出到onnx并在那里操作图形。@在我的情况下,将dmedine导出到onnx将满足protobuf大小限制。