tensorflow数据结构

https://github.com/tensorflow/tensorflow/blob/r1.11/tensorflow/core/protobuf/meta_graph.proto

《Tensorflow实战深度学习框架》

​ Tensorflow的计算图在运行时，以MetaGrapDef的形式实行计算图，并且在进行计算图保存（save）时，将MetaGraphDef以二进制的形式写入磁盘，在保存模型产生的3个的文件中，MetaGraphDef保存在.meta文件中；其中模型经过训练的模型参数，权重，可训练的变量保存在.data文件中；张量名到张量的对应映射关系保存在.index文件中

​ 这里使用tf.train.Saver().export_meta_grah("../model.ckpt.meda.json")将计算图（MetaGrapDef）以可读的形式输出

计算图结构

1. MetaGraphDef（计算图）
   • MetaInfoDef（运算方法）
     • OpList（运算方法集合）
       • OpDef（运算方法）
         • ArgDef（输入，输出）
         • AttrDef（属性）
   • GraphDef （连接结构）
     • NodeDef（节点）
   • SaverDef （模型持久化）
     • CheckpointFormatVersion（模型定义使用的版本）
   • map<string, CollectionDef> （集合）
     • NodeList（节点value）
     • BytesList（序列化value）
   • map<string, SignatureDef>（签名）
   • AssetFileDef （权重值）

MetaGraphDef

message MetaGraphDef {

  // 记录图上的所有运算方法
  MetaInfoDef meta_info_def = 1;

  // GraphDef.
  // 由于MetaInfoDef，已将计算图中所有的运算信息保存了
  // 所以GraphDef就只需要记录计算图的连接结构
  GraphDef graph_def = 2;

  // SaverDef.
  // 在save时，记录需要保存的变量
  SaverDef saver_def = 3;

  // collection_def：从集合名称到集合的映射。
  map<string, CollectionDef> collection_def = 4;

  // signature_def：从用户提供的签名密钥映射到单个SignatureDef。
  map<string, SignatureDef> signature_def = 5;

  // 与定义的图表一起使用的资源文件Asset file def
  repeated AssetFileDef asset_file_def = 6;
}

最后

以上就是殷勤汉堡为你收集整理的tensorflow数据结构-MetaGraphDeftensorflow数据结构的全部内容，希望文章能够帮你解决tensorflow数据结构-MetaGraphDeftensorflow数据结构所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。