tensorflow - tensorflow 中的常规模型检查点和保存的模型有什么区别？

Question

模型和卡住模型之间有相当明显的区别。如所述 in model_files , 相关部分:冷冻
...所以有 freeze_graph.py 脚本，它采用图形定义和一组检查点，并将它们一起卡住到一个文件中。

是与“frozen_model”最相似的“saved_model”(而不是saved_model
“模型检查点”)？

这是在我丢失的文档中的某个地方定义的吗？

在之前版本的 tensorflow 中，我们会保存和恢复模型
权重，但这似乎是在“model_checkpoint”的上下文中，而不是
“saved_model”，这仍然正确吗？

我在这里要求更多的设计概述，而不是实现细节。

Answer 1

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

保存的模型更广泛，因为它包含可以在 session 中加载并且可以继续训练的图表。然而，卡住图是序列化的，不能用于继续训练。
您可以在这里找到所有信息 https://www.tensorflow.org/guide/saved_model