常规模型检查点和tensorflow中保存的模型之间有什么区别？

Question

模型和冻结的模型之间有相当明显的区别。如in model_files所述，相关部分：冻结 ...因此，存在一个带有图形定义和一组检查点并将它们冻结在一起的冻结文件，成为一个文件。

• 是“保存的模型”，最类似于“冻结的模型”（不是保存的 “ model_checkpoint”）？
• 这是我丢失的文档中某个地方定义的吗？
• 在先前版本的tensorflow中，我们将保存和恢复模型 权重，但这似乎是在“ model_checkpoint”的上下文中，而不是 一个“ saved_model”，仍然正确吗？

我想在这里索取更多设计概述，而不是具体实现细节。

Answer 1

检查点文件仅包含特定模型的变量，并且应加载完全相同的预定义图形或特定的assignment_map以仅加载选定的变量。参见https://www.tensorflow.org/api_docs/python/tf/train/init_from_checkpoint

保存的模型更为广泛，因为它包含可以在会话中加载的图形，并且可以继续进行训练。但是，冻结的图已序列化，不能用于继续训练。
您可以在https://www.tensorflow.org/guide/saved_model

中找到所有信息