我想使用tensorflow集线器，在我的图中重新训练其模块之一，然后使用该模块，但是我的问题是，当我设置trainable = True和tags = {"train"}来创建模块时，我可以由于批次归一化层，因此不进行评估。
因此，当我阅读此问题时，我发现我还应该在不设置tags = {"train"}的情况下创建另一个图形进行评估。但我不知道如何将训练图的变量还原为评估图。我尝试使用相同的名称创建两个模块，并在评估图中使用reuse = True，但这没有帮助。
您能帮我吗？ @arnoegw
答案 0 :(得分：0)
为了社区的利益，指定Arno在“答案”部分中引用的解决方案（即使它在“注释”部分中也存在）。
答案是
使用TF1的hub.Module时，情况就如您所说：训练图或推理图都被实例化，并且没有很好的方法在单个tf.Session中导入两者并在它们之间共享变量。这是由Estimators和TF1中的许多其他训练脚本（尤其是分布式脚本）使用的方法所告知的：有一个训练课程可生成检查点，而另一个评估会话可从中恢复模型权重。 （两者在读取的数据集和执行的预处理方面也可能会有所不同。）
借助TF2及其对“急切”模式的强调，这种情况已经改变。 TF2样式的集线器模块（在https://tfhub.dev/s?q=tf2-preview中找到）实际上只是TF2-style SavedModels，并且它们没有多个图形版本。相反，如果需要训练/推理区别，则在还原的顶级对象上的 call 函数采用可选的training = ...参数。
有了这个，TF2应该符合您的期望。有关如何实现的信息，请参见交互式演示tf2_image_retraining.ipynb和tensorflow_hub/keras_layer.py中的基础代码。 TF Hub团队正在努力为TF2版本提供更完整的模块选择。