如何在tensorflow中使用集合来保存我自己的对象

我想使用tf.add_to_collection（）来保存我自己的对象，以便以后轻松获取它们。 以下是代码段：

class Model(object):
    def __init__(self, scope, is_training=True):

将对象添加到集合：

for i in xrange(num_gpus):
    with tf.device("/gpu:%d"%i):
        with tf.name_scope("tower_%d"%i) as scope:
            m = Model.Model(scope)
            tf.add_to_collection("train_model", m)

models = tf.get_collection("train_model")

从集合中获取对象：

for i in xrange(num_gpus):
    with tf.device("/gpu:%d"%i):
        with tf.name_scope("tower_%d"%i) as scope:
            m = Model.Model(scope)
            tf.add_to_collection("train_model", m)

models = tf.get_collection("train_model")

代码工作正常，但我收到一个警告：

WARNING:tensorflow:Error encountered when serializing train_model.
Type is unsupported, or the types of the items don't match field type in CollectionDef.
'Model' object has no attribute 'name

如何避免此警告？

此警告（可能）在您调用时生成，它试图写出一个“元图”，表示

tf.Graph

的内容，包括所有图形集合的内容

避免警告的最简单方法是在调用

saver.save（）时传递
write\u meta\u graph=False
。但是，这会使您以后无法导入元图

如果要保存元图并避免警告，则需要实现必要的钩子（
到_proto
和来自_proto

的

），以序列化格式将
模型
对象序列化为协议缓冲区。说明了如何做到这一点，但基本思路如下：

定义描述
模型
对象内容的协议缓冲区（
ModelProto
）

定义一个将
模型
序列化为
ModelProto
的
ModelProto（）
函数：

def model_to_proto(model):
    ret = ModelProto()
    # Set fields of `ret` from `model`.
    return ret


从proto（）定义一个反序列化
ModelProto
并返回
model
的
model\u函数：

def model_from_proto(model_proto):
    # Construct a `Model` from the fields of `model_proto`.
    return Model(...)


为
“train\u model”
集合注册您的功能。这当前使用一个未记录的函数，称为：