Tensoflow估算器：如何使用tf.graph_util.convert_variables_to_constants

Question

我想知道是否有可能在训练/评估循环中使用函数 tf.graph_util.convert_variables_to_constants （以存储图形的冻结版本），而我m使用自定义估算器。例如：

best_validation_accuracy = -1
for _ in range(steps // how_often_validation):

    # Train the model
    estimator.train(input_fn=train_input_fn, steps=how_often_validation)

    # Evaluate the model
    validation_accuracy = estimator.evaluate(input_fn=eval_input_fn)

    # Save best model
    if validation_accuracy["accuracy"] > best_validation_accuracy:
        best_validation_accuracy = validation_accuracy["accuracy"]
        # Save best model perfomances
        # I WANT TO USE  tf.graph_util.convert_variables_to_constants HERE

Answer 1

要使用功能tf.graph_util.convert_variables_to_constants，需要图形和模型会话。

经过TensorFlow code defining the estimators后，看起来：

• 此代码已弃用，
• 该图是动态创建的，并且不容易访问（至少，我无法检索它）。

因此，我们将不得不使用良好的旧方法。

调用estimator.train时，模型的检查点将保存在指定目录（estimator.model_dir）中。您可以使用这些文件来访问图形和会话并冻结变量，如下所示：

1。加载元图

saver = tf.train.import_meta_graph('/path/to/meta')

2。负载重量

sess = tf.Session
saver.restore(sess, '/path/to/weights')

3。冻结变量

tf.graph_util.convert_variables_to_constants(sess,
                                             sess.graph.as_graph_def(),
                                             ['output'])