Python tf.train.Saver-在不同的机器上加载最新的检查点

我有一个经过训练的模型，它是使用

tf.train.Saver

保存的，生成了4个相关文件

• 检查点

• iter-315000型。数据-00000-of-00001

• iter-315000型索引

• model_iter-315000.meta

因为它是通过docker容器生成的，所以机器本身和docker上的路径是不同的，就像我们在两台不同的机器上工作一样

我正在尝试在容器外部加载保存的模型

当我运行以下命令时

sess = tf.Session()
saver = tf.train.import_meta_graph('path_to_.meta_file_on_new_machine')  # Works
saver.restore(sess, tf.train.latest_checkpoint('path_to_ckpt_dir_on_new_machine')  # Fails

错误是

tensorflow.python.framework.errors\u impl.NotFoundError:旧机器上的路径；没有这样的文件或目录

尽管我在调用

tf.train.latest_checkpoint

时提供了新路径，但我还是得到了错误，它显示了旧路径上的路径

---

如何解决此问题？

如果打开

检查点

文件，您将看到如下内容：

model_checkpoint_path: "/PATH/ON/OLD/MACHINE/model.ckpt-315000"
all_model_checkpoint_paths: "/PATH/ON/OLD/MACHINE/model.ckpt-300000"
all_model_checkpoint_paths: "/PATH/ON/OLD/MACHINE/model.ckpt-285000"
[...]

只需删除

/PATH/ON/OLD/MACHINE/

，或将其替换为

/PATH/ON/NEW/MACHINE/

，就可以开始了

编辑： 将来，在创建

tf.train.Saver

时，应该使用

save\u relative\u paths

选项。引述：

保存相对路径：如果为True，则将相对路径写入 检查点状态文件。如果用户想要复制 检查点目录并从复制的目录重新加载

“检查点”文件是一个索引文件，它本身具有嵌入其中的路径。在文本编辑器中打开它，并将路径更改为正确的新路径

或者，使用加载特定的检查点，而不依赖TensorFlow为您查找最新的检查点。在这种情况下，它不会引用“checkpoint”文件，不同的路径也不会有问题

---

或者编写一个小脚本来修改“checkpoint”的内容。

这是一种不需要编辑检查点文件或手动查看检查点目录的方法。如果我们知道检查点前缀的名称，我们可以使用正则表达式，并假设tensorflow将最新的检查点写入

checkpoint

文件的第一行：

import tensorflow as tf
import os
import re


def latest_checkpoint(ckpt_dir, ckpt_prefix="model.ckpt", return_relative=True):
    if return_relative:
        with open(os.path.join(ckpt_dir, "checkpoint")) as f:
            text = f.readline()
        pattern = re.compile(re.escape(ckpt_prefix + "-") + r"[0-9]+")
        basename = pattern.findall(text)[0]
        return os.path.join(ckpt_dir, basename)
    else:
        return tf.train.latest_checkpoint(ckpt_dir)

---

必须有一种更通用的方法来完成，这必须通过代码来完成好的，在我的回答中添加了对tf.train.load_checkpoint（）的引用必须有一种更通用的方法来完成，这必须通过代码来完成。好的，你可以使用

sed

，可能类似于

sed-i“s”/PATH/to/OLD/MACHINE/？？g“checkpoint

，或者在python中使用正则表达式执行。