Question

我创建了一个张量流模型，我希望将其保存到文件中，以便以后可以预测它。特别是，我需要保存：

input_placeholder
（= tf.placeholder(tf.float32, [None, iVariableLen])）
solution_space
（= tf.nn.sigmoid(tf.matmul(input_placeholder, weight_variable) + bias_variable)）
会话
（= tf.Session()）

我已经尝试过使用pickle，它可以在sklearn二值化器等其他对象上运行，但不是上面的，我在底部得到了错误。

我如何挑剔：

import pickle
with open(sModelSavePath, 'w') as fiModel:
    pickle.dump(dModel, fiModel)

其中dModel是一个包含我想要保留的所有对象的字典，我用它来进行拟合。

关于如何挑选张量流对象的任何建议？

错误消息：

pickle.dump(dModel, fiModel)
...
    raise TypeError, "can't pickle %s objects" % base.__name__
TypeError: can't pickle module objects

Answer 1

我解决这个问题的方法是pickleing Sklearn对象，比如二进制化器，并使用tensorflow's inbuilt save functions作为实际模型：

保存张量流模型：
1）按照惯例建立模型 2）使用tf.train.Saver()保存会话。例如：

oSaver = tf.train.Saver()

oSess = oSession
oSaver.save(oSess, sModelPath)  #filename ends with .ckpt

3）这会将该会话中的所有可用变量等保存到其变量名称中。

加载张量流模型：
1）需要重新初始化整个流程。换句话说，需要声明变量，权重，偏差，损失函数等，然后将tf.initialize_all_variables()传递给oSession.run()进行初始化。 2）该会话现在需要传递给加载器。我抽象了流程，所以我的加载器看起来像这样：

dAlg = tf_training_algorithm()  #defines variables etc and initializes session

oSaver = tf.train.Saver()
oSaver.restore(dAlg['oSess'], sModelPath)

return {
    'oSess': dAlg['oSess'],
    #the other stuff I need from my algorithm, like my solution space etc
}

3）您需要预测的所有对象都需要从初始化中获取，在我的情况下，这些对象位于dAlg

PS：像这样的泡菜：

with open(sSavePathFilename, 'w') as fiModel:
    pickle.dump(dModel, fiModel)

with open(sFilename, 'r') as fiModel:
    dModel = pickle.load(fiModel)

Answer 2

您应该将项目保存为两个独立的部分，一个用于tensorflow个对象，另一个用于其他对象。我建议您使用以下工具：

tf.saved_model：您要保存的程序并在其中加载tensorflow。
dill：基于pickle的更强大的pickle工具，它可以帮助您绕过pickle

将张量流模型保存到文件

2 个答案: