Question

我有一个训练有素的模型，使用tf.train.Saver保存，生成4个相关文件

checkpoint
model_iter-315000.data-00000-of-00001
model_iter-315000.index
model_iter-315000.meta

现在，因为它是通过docker容器生成的，所以机器本身和docker上的路径是不同的，就像我们在两台不同的机器上工作一样。

我正在尝试在容器外部加载已保存的模型。

当我运行以下

时

sess = tf.Session()
saver = tf.train.import_meta_graph('path_to_.meta_file_on_new_machine')  # Works
saver.restore(sess, tf.train.latest_checkpoint('path_to_ckpt_dir_on_new_machine')  # Fails

错误是

tensorflow.python.framework.errors_impl.NotFoundError： PATH_ON_OLD_MACHINE ;没有这样的文件或目录

即使我在调用tf.train.latest_checkpoint时提供了新路径，但我收到错误，该错误显示旧路径。

我该如何解决这个问题？

Answer 1

如果您打开checkpoint文件，您会看到类似的内容：

model_checkpoint_path: "/PATH/ON/OLD/MACHINE/model.ckpt-315000"
all_model_checkpoint_paths: "/PATH/ON/OLD/MACHINE/model.ckpt-300000"
all_model_checkpoint_paths: "/PATH/ON/OLD/MACHINE/model.ckpt-285000"
[...]

只需移除/PATH/ON/OLD/MACHINE/，或将其替换为/PATH/ON/NEW/MACHINE/，您就可以了。

修改：将来，在创建tf.train.Saver时，您应该使用save_relative_paths选项。引用doc：

save_relative_paths ：如果为True，则会写入相对路径检查点状态文件。如果用户想要复制，则需要这样做检查点目录并从复制的目录重新加载。

Answer 2

“checkpoint”文件是一个索引文件，它本身具有嵌入其中的路径。在文本编辑器中打开它并将路径更改为正确的新路径。

或者，使用tf.train.load_checkpoint()加载特定检查点，而不是依靠TensorFlow为您找到最新的检查点。在这种情况下，它不会引用“检查点”文件，并且不同的路径也不会成为问题。

或者写一个小脚本来修改“checkpoint”的内容。

Answer 3

这是一种不需要编辑检查点文件或手动查看检查点目录内部的方法。如果我们知道检查点前缀的名称，则可以使用regex并假设tensorflow在checkpoint文件的第一行中写入最新的检查点：

import tensorflow as tf
import os
import re


def latest_checkpoint(ckpt_dir, ckpt_prefix="model.ckpt", return_relative=True):
    if return_relative:
        with open(os.path.join(ckpt_dir, "checkpoint")) as f:
            text = f.readline()
        pattern = re.compile(re.escape(ckpt_prefix + "-") + r"[0-9]+")
        basename = pattern.findall(text)[0]
        return os.path.join(ckpt_dir, basename)
    else:
        return tf.train.latest_checkpoint(ckpt_dir)

tf.train.Saver - 在不同的机器上加载最新的检查点

3 个答案: