我看到过类似的问题,但是我还没有找到一个令人满意的答案。基本上,我想要在tensorflow中实现与keras中
目前,我拥有的是:
看起来创建图表很不错,但显然变量、权重等元图并未包含在内。还有元图,但我只能看到export_meta_graph一项,它似乎不能以同样的方式序列化。我看到MetaGraph有一个proto函数,但我不知道如何序列化这些变量。
简而言之,您会如何将tensorflow模型(即权重、图形等)序列化为字符串(最好是json),然后反序列化并继续训练或提供预测?
以下是让我接近目标并尝试过的内容,但大多数需要写入磁盘,这在这种情况下是不可能的:
model.to_json()
、model.get_weights()
、model.from_json()
和model.set_weights()
相当的功能。我认为我已经接近目标了,但是我卡在了某个点上。如果可能的话,我更希望能够在同一个字符串中获取权重和图形,但我理解如果这不可能。目前,我拥有的是:
g = optimizer.minimize(loss_op,
global_step=tf.train.get_global_step())
de = g.graph.as_graph_def()
json_string = json_format.MessageToJson(de)
gd = tf.GraphDef()
gd = json_format.Parse(json_string, gd)
看起来创建图表很不错,但显然变量、权重等元图并未包含在内。还有元图,但我只能看到export_meta_graph一项,它似乎不能以同样的方式序列化。我看到MetaGraph有一个proto函数,但我不知道如何序列化这些变量。
简而言之,您会如何将tensorflow模型(即权重、图形等)序列化为字符串(最好是json),然后反序列化并继续训练或提供预测?
以下是让我接近目标并尝试过的内容,但大多数需要写入磁盘,这在这种情况下是不可能的: