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已保存的Tensorflow模型（架构+训练变量）。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”相同的架构。
仅用于测试/运行目的，是否有办法在没有源代码的情况下发布已保存的{架构+训练变量}，以便用户可以只是转换查询并获得结果？
答案 0 :(得分：1)
TensorFlow Serving项目旨在简化此用例（假设最终用户仅使用模型进行推理，而非培训）。 TensorFlow服务包括Exporter类，其中包含tf.train.Saver，定义整体模型的tf.GraphDef，以及描述模型输入和输出的“签名”。
basics tutorial对导出模型有很好的介绍。
答案 1 :(得分：1)
您可以从MetaGraphDef构建Saver（默认情况下与检查点一起保存：那些.meta文件）。然后使用该Saver恢复您的模型。因此，用户无需在代码中重新定义图表。但是他们仍然需要弄清楚模型签名（输入，输出变量）。我使用tf.Collection来解决这个问题（但我有兴趣找到更好的方法来做到这一点）。
您可以查看我的示例实现（eval.py在不重新定义模型的情况下评估模型）：