Python TensorFlow：如何在没有源代码的情况下发布模型？

我正在使用Tensorflow+Python

我很好奇是否可以在没有详细源代码的情况下发布一个保存的Tensorflow模型（体系结构+经过训练的变量）。我知道

tf.train.Saver（）

，但它看起来只保存变量，为了恢复/运行它们，用户需要“定义”相同的体系结构

仅出于测试/运行目的，是否有一种方法可以在不使用源代码的情况下发布保存的{architecture+trained variables}，这样用户就可以直接进行查询并获得结果？

该项目旨在使此用例变得简单（假设最终用户仅使用模型进行推理，而不是培训）。TensorFlow服务包括一个

导出器

类，该类接受您的

tf.train.Saver

，定义您的整体模型的

tf.GraphDef

，以及一个描述模型输入和输出的“签名”

---

对导出模型有很好的介绍。

您可以从MetaGraphDef（默认情况下使用检查点保存：那些.meta文件）构建

保存程序。然后使用该保护程序恢复您的模型。因此用户不必在代码中重新定义图形。但是他们仍然需要找出模型特征（输入、输出变量）。我使用
tf.Collection
解决这个问题（但我也有兴趣找到更好的方法）

您可以看一下我的示例实现（无需重新定义模型即可对模型进行评估的
eval.py
）：


从元图重构存储程序
从集合中获取输入变量
如何定义模型
通过实施，您是否从经过培训的模型中检索到正确的权重？我只能看到您得到了输入和输出层（+）@NicolaiAntonLynnerup是的，保护程序负责从每个变量的检查点文件中加载二进制文件。您提到的行检索必要的输入和输出变量（而不是层），因此我们可以在求值中执行图形：将它们视为函数签名，可视化分类器映射图像->类逻辑。换句话说，如果没有这些变量（占位符也是变量），我们就无法构造此调用：