大家好。
说明：在着名的CIFAR-10教程之后，我以数据并行方式在多个GPU上训练了一个模型，即具有多个模型图副本，每个副本位于其{{1 }} tf.name_scope()，tower_0等，并在这些范围之间共享可训练的变量。
我的需要：为了简化和统一，在推理过程中命名输入张量（例如，与未在多GPU上训练的模型具有相同的图形，因此没有{ {1}}在他们的图表中的顶级域名范围），我想在保存“ .meta”文件时从图表中删除顶级域名tower_1。
我尝试过的事情：
[没有用] ，例如在参数tower_N设置为tower_N的情况下使用tf.train.export_meta_graph()。首先，此函数在图deeply inside上执行更改。因此，我无法在最终图形中使用它。其次，如果我准备了整个事情，直接加载export_scope并与tower_0一起使用，在这种情况下，加载未定义的未绑定输入会遇到问题。
[工作但很丑] ，在训练时，请保留meta_graph.export_scoped_meta_graph()种“裸”的模型，即不使用其unbound_inputs_col_name=None名称范围。这样，在我的图形中，我将始终只得到模型的一个顶层副本，该副本具有所需的张量命名。
我将不胜感激，因为在多个GPU上进行训练时保持图形整洁的任务似乎很自然...