Qu'est-ce que le TensorFlow méta-fichier de point de contrôle?
Lors de l'enregistrement d'un point de contrôle, TensorFlow permet souvent de réaliser une méta-fichier: my_model.ckpt.meta
. Qu'est-ce que dans ce fichier, peut-on encore restaurer un modèle, même si nous le supprimons, et ce genre d'info ne nous perdons si nous restaurer un modèle sans le méta-fichier?
Vous devez vous connecter pour publier un commentaire.
Ce fichier contient une sérialisé
MetaGraphDef
protocole tampon. LeMetaGraphDef
est conçu comme un format de sérialisation qui comprend toute l'information nécessaire à la restauration d'une formation ou d'une inférence de processus (y compris laGraphDef
qui décrit le flux de données, et des annotations supplémentaires qui décrivent les variables d'entrée des pipelines et d'autres informations pertinentes). Par exemple, leMetaGraphDef
est utilisé par TensorFlow Servir pour démarrer une inférence de service basé sur votre modèle appris. Nous étudions d'autres outils qui pourraient utiliser leMetaGraphDef
pour la formation.En supposant que vous avez encore le code Python pour votre modèle, vous n'avez pas besoin de la
MetaGraphDef
pour restaurer le modèle, parce que vous pouvez reconstituer la totalité de l'information dans leMetaGraphDef
en exécutant à nouveau le code Python qui construit le modèle. Pour restaurer à partir d'un point de contrôle, vous devez uniquement le point de contrôle des fichiers qui contiennent de la formation de poids, qui sont écrit régulièrement pour le même répertoire.name-step.cpkt
etname-step.cpkt.meta
, mais il ya seulement 1checkpoint
fichier. Qu'est-ce que cecheckpoint
fichier et pourquoi ne sont pas là que beaucoup de ce fichier commename-step.cpkt
s'il vous plaît?"checkpoint"
fichier contient un sérialiséCheckpointState
protocole de mémoire tampon qui contient des pointeurs vers les plus récentes des points de contrôle du modèle. Il est réécrit à chaque fois un point de contrôle est enregistré, pour donner un seul endroit où l'information à propos de la mise à jour des points de contrôle est stockée.tf.train.Saver(..., write_veresion=tf.train.SaverDef.V1)
.