如何在tflearn中保存和恢复网络架构

Question

我正在寻找一种使用tflearn（tflearn.org）保存和恢复网络结构的方法。嵌入的model.save关注权重持久性。但是如果我想忘记网络结构并再次加载它，我必须再次构建网络。因此，我必须“记住”结构（层数，神经元数量）等。

我尝试过pickle（类似于pickle.dump（net））和tf.train.import_meta_graph（将tflearn.org与tensorflow结合使用）但没有成功。

假设我接受过这样的培训：

from future import division, print_function, absolute_import

import numpy as np
import tflearn

import tflearn.datasets.mnist as mnist

X, Y, testX, testY = mnist.load_data(one_hot=True)
X = np.reshape(X, (-1, 28, 28))

testX = np.reshape(testX, (-1, 28, 28))

net = tflearn.input_data(shape=[None, 28, 28])
net = tflearn.lstm(net, 128, return_seq=True)
net = tflearn.lstm(net, 128)
net = tflearn.regression(net, optimizer='adam',
loss='categorical_crossentropy', name="output1")
model = tflearn.DNN(net, tensorboard_verbose=2,tensorboard_dir='lstm')
model.fit(X, Y, n_epoch=1, validation_set=0.1, show_metric=True,
snapshot_step=100)

model.save('lstm_load.tflearn')

后来我想在不同的程序或会话中恢复所有需要的东西（当然伪代码不起作用; - ））

from future import division, print_function, absolute_import

import numpy as np
import tflearn

import tflearn.datasets.mnist as mnist

X, Y, testX, testY = mnist.load_data(one_hot=True)
X = np.reshape(X, (-1, 28, 28))

testX = np.reshape(testX, (-1, 28, 28))

model = model.load_everything("model.tfl")
prediction = model.predict([X])

有什么想法吗？