我使用TensorFlow构建并训练了一些网络，并成功地设法保存并恢复了模型的参数。
但是，对于某些情况 - 例如比如在客户的基础架构中部署经过培训的网络 - 这不是运送完整代码/模型的最佳解决方案。因此，我想知道是否有任何方法可以在没有用于培训的原始代码/模型的情况下恢复/运行经过训练的网络？
我想这会导致问题是，除了变量的权重之外，TensorFlow是否能够将（压缩的？）版本的网络架构保存到检查点文件中。
这有点可能吗？
如果你真的只需要从graphdef文件（* .pb）恢复，例如从另一个应用程序加载它，你将需要使用此处的freeze_graph.py脚本：https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/tools/freeze_graph.py
此脚本将graphdef（.pb）和检查点（.ckpt）文件作为输入，并输出graphdef文件，其中包含常量形式的权重（您可以阅读脚本上的文档以获取更多详细信息）。