TensorFlow, 모델을 저장 한 후 3 개의 파일이있는 이유는 무엇입니까?

문서 를 읽은 후에 모델을 저장했습니다 TensorFlow. 여기에 데모 코드가 있습니다.

# Create some variables.
v1 = tf.Variable(..., name="v1")
v2 = tf.Variable(..., name="v2")
...
# Add an op to initialize the variables.
init_op = tf.global_variables_initializer()

# Add ops to save and restore all the variables.
saver = tf.train.Saver()

# Later, launch the model, initialize the variables, do some work, save the
# variables to disk.
with tf.Session() as sess:
  sess.run(init_op)
  # Do some work with the model.
  ..
  # Save the variables to disk.
  save_path = saver.save(sess, "/tmp/model.ckpt")
  print("Model saved in file: %s" % save_path)

하지만 그 후 3 개의 파일이 있다는 것을 알게되었습니다.

model.ckpt.data-00000-of-00001
model.ckpt.index
model.ckpt.meta

그리고 model.ckpt그런 파일이 없기 때문에 파일을 복원하여 모델을 복원 할 수 없습니다 . 내 코드는 다음과 같습니다.

with tf.Session() as sess:
  # Restore variables from disk.
  saver.restore(sess, "/tmp/model.ckpt")

그렇다면 왜 3 개의 파일이 있습니까?

이 시도:

with tf.Session() as sess:
    saver = tf.train.import_meta_graph('/tmp/model.ckpt.meta')
    saver.restore(sess, "/tmp/model.ckpt")

TensorFlow 저장 방법은 그래프 구조를 변수 값 과 별도로 저장하므로 세 종류의 파일을 저장 합니다 . 이 .meta파일은 저장된 그래프 구조를 설명하므로 체크 포인트를 복원하기 전에 가져와야합니다 (그렇지 않으면 저장된 체크 포인트 값이 어떤 변수에 해당하는지 알 수 없음).

또는 다음을 수행 할 수 있습니다.

# Recreate the EXACT SAME variables
v1 = tf.Variable(..., name="v1")
v2 = tf.Variable(..., name="v2")

...

# Now load the checkpoint variable values
with tf.Session() as sess:
    saver = tf.train.Saver()
    saver.restore(sess, "/tmp/model.ckpt")

라는 파일이 없더라도 model.ckpt복원 할 때 해당 이름으로 저장된 체크 포인트를 참조합니다. 로부터 saver.py소스 코드 :

사용자는 물리적 경로 이름 대신 사용자가 지정한 접두사 ...와 상호 작용하기 만하면됩니다.

• 메타 파일 : 저장된 그래프 구조를 설명하고 GraphDef, SaverDef 등을 포함합니다. 그런 다음 적용 tf.train.import_meta_graph('/tmp/model.ckpt.meta'), 복원 Saver및 Graph.

• index 파일 : 문자열 문자열 불변 테이블 (tensorflow :: table :: Table)입니다. 각 키는 텐서의 이름이고 값은 직렬화 된 BundleEntryProto입니다. 각 BundleEntryProto는 텐서의 메타 데이터를 설명합니다. "데이터"파일 중 텐서의 내용, 해당 파일의 오프셋, 체크섬, 일부 보조 데이터 등을 포함하는 파일이 무엇인지 설명합니다.

• 데이터 파일 : TensorBundle 컬렉션으로 모든 변수의 값을 저장합니다.

Word2Vec tensorflow 튜토리얼 에서 훈련 된 단어 임베딩을 복원하고 있습니다.

여러 체크 포인트를 생성 한 경우 :

예를 들어 생성 된 파일은 다음과 같습니다.

model.ckpt-55695.data-00000-of-00001

model.ckpt-55695.index

model.ckpt-55695.meta

이 시도

def restore_session(self, session):
   saver = tf.train.import_meta_graph('./tmp/model.ckpt-55695.meta')
   saver.restore(session, './tmp/model.ckpt-55695')

restore_session () 호출시 :

def test_word2vec():
   opts = Options()    
   with tf.Graph().as_default(), tf.Session() as session:
       with tf.device("/cpu:0"):            
           model = Word2Vec(opts, session)
           model.restore_session(session)
           model.get_embedding("assistance")

예를 들어 드롭 아웃으로 CNN을 훈련했다면 다음과 같이 할 수 있습니다.

def predict(image, model_name):
    """
    image -> single image, (width, height, channels)
    model_name -> model file that was saved without any extensions
    """
    with tf.Session() as sess:
        saver = tf.train.import_meta_graph('./' + model_name + '.meta')
        saver.restore(sess, './' + model_name)
        # Substitute 'logits' with your model
        prediction = tf.argmax(logits, 1)
        # 'x' is what you defined it to be. In my case it is a batch of RGB images, that's why I add the extra dimension
        return prediction.eval(feed_dict={x: image[np.newaxis,:,:,:], keep_prob_dnn: 1.0})