假设我有两层卷积模型
Input -> conv -> conv -> flatten -> softmax 10 classes (cross entropy cost function)
我已使用
保存了该模型saver = tf.train.Saver(tf.global_variables())
....
# run session
saver.save(sess, checkpoint_path, global_step=training_step)
保存后，模型数据文件的大小约为13 MB。
接下来，我想使用此模型执行转移学习。我删除了先前模型中的最后一个softmax层（10个单元），并在新模型体系结构中添加了一个新的conv和新的softmax层（6个单元）。
sess = tf.InteractiveSession()
# load model trained in previous step
saver = tf.train.import_meta_graph(meta_file)
saver.restore(sess,tf.train.latest_checkpoint(model_dir))
graph = tf.get_default_graph()
output_after_conv = graph.get_tensor_by_name("flatten:0")
# freezed
flatten = tf.stop_gradient(output_after_conv )
saver = tf.train.Saver(tf.global_variables())
input = graph.get_tensor_by_name("input:0")
# constructed input to be feeded
# added a conv layer to the graph
# added softmax layer to the graph
# defined cost function
# defined optimizer
# ran the session then saved the model
saver.save(sess, checkpoint_path, global_step=training_step)
这次，模型数据文件的大小增加到300 MB。我想知道是什么导致了模型尺寸的增长？