Python 在内存中存储tensorflow模型

我正在编写的程序涉及在运行时在模型之间切换

我目前正在使用Saver从磁盘保存/加载模型，如下所示：

这些模型相当小，可以存储在内存中，因此我想知道是否有人知道如何在内存中存储和恢复这些模型，而不是将它们保存到磁盘

---

我试图修改tensorflow源代码以将模型保存到内存中，但是

gen\u io\u ops

似乎是在编译时生成的。另一种可能的方法是使用内存映射文件。有人知道更简单的方法吗？

我会有两个不同的会话，它们有自己的计算图。或者，您可以在同一会话中复制计算图（变量、操作等的两个副本）。然后，您可以调用

sess.run（comp1如果使用compone，则为comp2）

，但是您希望对其进行设置。

保存到tmpfs如何？这种方法（假设两个会话都处于活动状态）会将变量保留在原来的位置，即GPU内存中；如果GPU内存是一个瓶颈（通常是瓶颈），OP需要一个解决方案将非活动会话数据从GPU移动到更便宜/更大的系统RAM。非常正确。我是根据他的评论写的：“模型相当小，可以存储在内存中。”。我想你可以在RAM上有两个集的副本，在GPU内存上有一个计算集，然后写一个“传输”操作，将当前值从GPU复制到RAM，反之亦然，如果需要的话，但一旦它们不再适合内存，我会研究其他选项。