在tensorflow中，常规模型检查点和已保存模型之间有什么区别？

Question

模型和冻结模型之间存在相当明显的差异。正如in model_files所描述的，相关部分：冻结...所以有一个freeze_graph.py脚本，它采用图形定义和一组检查点，并将它们一起冻结成一个文件。

• “saved_model”最类似于“frozen_model”（而不是保存的“model_checkpoint”）吗？
• 这是在我缺少的文档中定义的吗？
• 在张量流的先前版本中，我们将保存和恢复模型权重，但这似乎是在“model_checkpoint”而不是“saved_model”的上下文中，是否仍然正确？

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使用特定的assignment_map加载仅选择的变量。见https://www.tensorflow.org/api_docs/python/tf/train/init_from_checkpoint

保存的模型更广泛，因为它包含可以在会话中加载的图形，并且可以继续进行培训。但是，冻结图是序列化的，不能用于继续训练。 你可以在这里找到https://www.tensorflow.org/guide/saved_model的所有信息