Python TensorFlow用户应该更喜欢SavedModel而不是Checkpoint或GraphDef吗？

从

SavedModel，TensorFlow模型的通用序列化格式

及

SavedModel包装了TensorFlow保护程序。该保护程序主要用于生成变量检查点

根据我的理解，如果有人想使用TensorFlow服务，

SavedModel

是必须的。但是，我可以在没有代码> > SaveDebug < /C> >的情况下，将TysFooFrm模型部署到Service Server：冻结图，并将其导出为<代码> CordEff>代码>，并加载到图中，使用<代码> RealBydPrtoto < /C> >和C++或IO。

---

SavedModel的用途是什么？用户是否更喜欢SavedModel而不是Checkpoint或GraphDef来聚合更多与模型相关的数据？

检查点包含TensorFlow模型中（某些）变量的值。它是由一个变量创建的，该变量要么给定要保存的特定

变量

s，要么默认保存所有（非本地）变量

要使用检查点，您需要有一个兼容的TensorFlow

图形

，其

变量

与检查点中的

变量

具有相同的名称。（如果没有兼容的

图形

，仍可以使用contrib中的实用程序将检查点中存储的值加载到选定的

变量

中。）

更全面：它包含一组

Graph

s（实际上是保存集合等），以及一个与这些

Graph

s兼容的检查点，以及运行模型所需的任何资产文件（例如词汇表文件）。对于它包含的每个

元图

，它还存储一组签名。签名定义（命名）输入和输出张量

这意味着，只要给定一个SavedModel，您就可以编写工具（如

tensorflow/serving

，或新的

saved\u model

命令行实用程序，该实用程序将很快出现在

tools/

中）来解释或执行其中的图形。你所要提供的只是数据

---

如果有疑问，我总是会错误地编写一个

SavedModel

，而不仅仅是一个检查点。这不仅允许您使用tensorflow/serving（以及其他数量将不断增长的整洁实用程序），还确保您拥有运行模型所需的所有信息。没有什么比检查点更令人沮丧的了，你不能再使用它了，因为你修改了你的模型，现在它与检查点文件不兼容，你所要做的就是通过它运行一些预测以进行比较。

我认为，大多数人都使用检查点，而

tf。保存的\u模型

是我们引入的一个新功能。使用起来应该更好。有一个ddoc。@drpng我想知道处理保存模式的“最佳实践”是什么。请参阅此官方文档，它在“功能”部分中对保存模式进行了明确的比较。我可以在这里连接并要求您更新您的答案，并提供一些有关使用

SavedModel

进行培训的信息吗？检查点很好，因为它们允许您保留多个模型版本。因为他们允许训练中止

SavedModel

似乎只保存一次检查点（当调用

add_meta_graph_和_variables

时），并且不再保存。有没有一种定期编写检查点的方法？我们通常定期编写检查点，然后将其中一个（通常是最好的一个）包装到一个SavedModel中。您也可以简单地将每个检查点都保存到一个SavedModel中，没有理由只保存一个。SavedModel的加载时间似乎要长得多，请参见此处，但是

Saver

也将图形保存在.meta文件中，因此我也可以使用

Saver

获得完整的信息（图形+变量），不是吗？不，.meta文件不包含变量。您有一个包含变量的检查点，但它是一个单独的文件，不能保证它适合任何特定（Meta）GraphDef。