Python 在Tensorflow中如何冻结保存的模型
这可能是一个非常基本的问题 但是如何将检查点文件转换为单个.pb文件呢。 我的目标是使用C语言为模型服务++ 这些是我试图转换的文件 作为旁注,我将tflearn与tensorflow结合使用 编辑1: 我发现一篇文章解释了如何做到这一点: 问题是我遇到了以下错误Python 在Tensorflow中如何冻结保存的模型,python,tensorflow,tensorflow-serving,tflearn,Python,Tensorflow,Tensorflow Serving,Tflearn,这可能是一个非常基本的问题 但是如何将检查点文件转换为单个.pb文件呢。 我的目标是使用C语言为模型服务++ 这些是我试图转换的文件 作为旁注,我将tflearn与tensorflow结合使用 编辑1: 我发现一篇文章解释了如何做到这一点: 问题是我遇到了以下错误 KeyError: "The name 'Adam' refers to an Operation not in the graph." 我该如何解决这个问题 编辑2: 也许这会对这个问题有所帮助 我得到的错误来自回归层,如果我
KeyError: "The name 'Adam' refers to an Operation not in the graph."
我该如何解决这个问题
编辑2:
也许这会对这个问题有所帮助
我得到的错误来自回归层,如果我使用:sgd
。
我去拿
上的教程运行良好
问题是我使用tensorflow而不是tflearn加载模型
所以。。。而不是:
tf.train.import_meta_graph(...)
我们:
model.load(...)
TFLearn知道如何正确解析图形。您可以解决同样的问题<代码>model.load(…)?您能解释更多吗?model.load(…)来自TFLearn本身,而不是Tensorflow。我混合了这两个API。检查这里:,在第一个代码示例中,他们创建了一个模型,执行
model=tflearn.DNN(net)
。从那你可以做model.load
这一个要求从头开始构建网络,我想让模型由一个程序构建,然后有一个不同的程序只是根据预测调用模型。无法简单地导入这些tflearn生成的文件(元、索引…)
model.load(...)