tf.train.Saver中的var_list是什么意思？

Question

我检查tensorflow API，如果为None，则var_list默认为所有可保存对象的列表。我想知道所有可保存对象的含义是什么？ tf.global_variables？ W = tf.get_variable（“ W”，shape = [784，256]，initializer = tf.contrib.layers.xavier_initializer（）） b = tf.get_variable（“ b”，shape = [784，256]，initializer = tf.contrib.layers.xavier_initializer（）） m = tf.add（W，b） m是否属于tf.global_variables？ 我真的很困惑。 这是我的图，我发现训练和损失节点存在，那么我要保存训练和损失节点吗？我只想保存模型权重.....

Answer 1

var_list变量说明了它的作用，有时您可能不想保存整个模型，而只保存其中一部分，出于这些目的，可以使用此列表，让我详细说明

我正在研究人脸识别，我训练了一个CNN，该CNN从人脸图像中提取信息，并提供512大小的编码数组，然后我可以将其传递给SVM，后者可以将这些嵌入映射到名称，现在在训练中我需要SVM（或简单的ANN）在推理过程中不需要它，并且保存其权重将导致更大的模型尺寸并消耗更多的GPU内存，因此我可以在保存时决定仅存储CNN变量，而不存储SVM / ANN，因此我将在var_list中传递CNN的层名称，而不是SVM的层名称

保存以进行推理的另一个方面是，像dropout这样的层在推理过程中是无用的，因此最好不要完全存储它们，因为它们会占用大量内存

在您的情况下，我建议您不要使用它并按原样保存模型