tensorflow - TensorFlow Saver、Exporter 和 Save Model 之间的关系

Question

问题:

1. Tensorflow Saver、Exporter、SavedModelBuilder 都可以用于保存模型。根据 https://stackoverflow.com/questions/41740101/tensorflow-difference-between-saving-model-via-exporter-and-tf-train-write-graph ，和tensor flow serving ，我理解Saver用于保存训练检查点，Exporter和SavedModelBuilder用于服务。

   但是，我不知道他们的输出有什么区别。是variable.data-???-of--??? SavedModelBuilder生成的variable.index文件与cpkt-xxx.index和cpkt-xxx.data-???-of-???相同由 Saver 生成？

2. 我还是对tensorflow的模型文件的含义感到困惑。我读过http://cv-tricks.com/tensorflow-tutorial/save-restore-tensorflow-models-quick-complete-tutorial/和 Tensorflow: how to save/restore a model?这让我感到更加困惑。

   模型目录下有4个文件:

   1. 图.pbtxt
   2. model.ckpt-number.data-00000-of-00001
   3. model.ckpt-number.meta
   4. model.ckpt-number.index

   文件2和文件4存储变量的权重。文件 3 存储该图。那么1存储什么呢？

3. 如何将 Saver 的输出转换为 SavedModelBuilder。我有检查点目录，并且想要导出模型以供服务。根据https://github.com/tensorflow/tensorflow/tree/master/tensorflow/python/saved_model

应该是这样的

export_dir = ...
...
builder = tf.saved_model.builder.SavedModelBuilder(export_dir)
with tf.Session(graph=tf.Graph()) as sess:
  ...
  builder.add_meta_graph_and_variables(sess,
                                       [tf.saved_model.tag_constants.TRAINING],
                                       signature_def_map=foo_signatures,
                                       assets_collection=foo_assets)
...
with tf.Session(graph=tf.Graph()) as sess:
  ...
  builder.add_meta_graph(["bar-tag", "baz-tag"])
...
builder.save()

所以，我首先需要加载检查点:

saver = tf.train.import_meta_graph('model-number.meta')
saver.restore(sess, tf.train.latest_checkpoint('./'))

然后使用这个sess作为构建器。

我说得对吗？

Answer 1

SavedModel 是用于服务的格式，通过 SavedModelBuilder 创建。最佳实践是让您的训练代码调用 SavedModelBuilder，并将生成的输出文件提供给 TF-Serving。如果您这样做，则无需了解生成的文件的详细信息:)

[1] 中的文档讨论了 SavedModel 目录内的文件结构。

[1] https://www.tensorflow.org/programmers_guide/saved_model