TensorFlow用户更喜欢SavedModel而不是Checkpoint或GraphDef吗？

Question

从SavedModel Docs

SavedModel, the universal serialization format for TensorFlow models.

以及

SavedModel wraps a TensorFlow Saver. The Saver is primarily used to generate the variable checkpoints.

根据我的理解，SavedModel是必须的，如果有人想使用TensorFlow服务。但是，在没有{^ }的情况下，可以将TysFooFrm模型部署到服务服务器：冻结图并将其导出为^ {CD3}}，并将加载图插入到会话中，使用C++中的^ {CD4}}和^ {A2}或^ {A3}中的GO。

SavedModel的目的是什么？用户应该更喜欢SavedModel而不是Checkpoint或GraphDef来聚合更多与模型相关的数据吗？

Answer 1

检查点包含TensorFlow模型中（某些）变量的值。它是由一个^{}创建的，这个Variable被指定保存，或者默认保存所有（非本地）变量。

要使用检查点，需要有一个兼容的TensorFlowGraph，其Variable与检查点中的Variable具有相同的名称。（如果没有兼容的Graph，仍然可以使用contrib中的^{}实用程序将存储在检查点中的值加载到选定的Variable中。）

^{}更全面：它包含一组Graphs（^{}s，实际上，保存集合等），以及一个检查点，该检查点应该与这些Graphs和运行模型所需的任何资产文件（例如词汇表文件）兼容。对于它包含的每个MetaGraph，它还存储一组签名。签名定义（命名）输入和输出张量。

这意味着，只要给定一个SavedModel，就可以编写解释或执行内部图形的工具（例如tensorflow/serving，或者不久将出现在tools/中的新的saved_model命令行实用程序）。你只需要提供数据。

如果有疑问，我总是会在写一个SavedModel的时候出错，而不仅仅是一个检查点。这不仅允许您使用tensorflow/serving（以及其他数量会增加的整洁实用程序），还确保您拥有运行模型所需的所有信息。没有什么比你不能再使用的检查点更让人沮丧的了，因为你修改了你的模型，现在它与检查点文件不兼容，你只想通过它运行一些预测进行比较。