tensorflow - 在 TensorFlow 中卡住图是什么意思？

Question

我是 NN API 和 TensorFlow 的初学者。

我正在尝试以 protobuff 格式 (.pb) 保存我训练过的模型，有很多博客解释了如何将模型保存为 protobuff。我不明白的一件事是在将图形保存为 protobuff 之前卡住图形的重要性是什么？我读到将变量卡住为常量，这是否意味着该模型不再可训练？
卡住对模型还有什么作用？
冷冻后模型失去了什么？
任何人都可以解释或提供一些关于卡住细节的指示吗？

Answer 1

这只是您问题的部分答案。

卡住图很容易优化。例如，在进行推理(前向传播)时，您可以将一些层融合在一起。这不能用在变量和操作之间分离的图(非卡住图)来完成。为什么要将图层融合在一起？有多种原因。特定于硬件:在一组张量中一起计算多个操作可能更容易，具体到你的 cpu 或 gpu 的结构。例如，TensorRT 是一个图形优化器，它从卡住的图形开始工作(这里有关 tensorRT 完成的图形优化的更多信息:https://devblogs.nvidia.com/tensorrt-integration-speeds-tensorflow-inference/)。该软件进行图形优化以及特定于硬件的优化。

据我了解，您可以解冻图表。我只对它们进行了优化，所以我没有使用这个功能。但是这里有它的代码:https://gist.github.com/tokestermw/795cc1fd6d0c9069b20204cbd133e36b

这是另一个可能有用的问题:
TensorFlow: Is there a way to convert a frozen graph into a checkpoint model?
虽然还没有回答。