signature设置

x1 = tf.placeholder(tf.int32, shape=[None, None], name='x1')
x2 = tf.placeholder(tf.int32, shape=[None, None], name='x2')
……
y = output_tensor
loss = loss_tensorinputs = {'x1': tf.saved_model.utils.build_tensor_info(x1),'x2': tf.saved_model.utils.build_tensor_info(x2)
}
outputs = {'y': tf.saved_model.utils.build_tensor_info(y),'loss': tf.saved_model.utils.build_tensor_info(loss)
}signature = tf.saved_model.signature_def_utils.build_signature_def(
inputs=inputs, outputs=outputs, method_name='sig_cpu')  # 名字自定义

模型保存

# 1、建立builder
# 2、保存会话（主要是计算图和参数），有signature也一并保存
# 序列化写入磁盘with tf.Session() as sess:model_path = path + '/model_save'bulder = tf.saved_model.builder.SavedModelBuilder(model_path)sig_config = {'save_sig': signature}builder.add_meta_graph_and_variables(sess, ['cpu_server'], sig_config)builder.save()

模型加载与使用

with tf.Session() as sess:# 不用执行初始化meta_graph_def = tf.saved_model.loader.load(sess, ['cpu_server'],  model_path+'/model_save')signature = meta_graph_def.signature_defsignature_key = 'save_sig'input_x1 = 'x1'input_x2 = 'x2'output_y = 'y'out_loss = 'loss'x1 = signature[signature_key].inputs[input_x1].namex2 = signature[signature_key].inputs[input_x2].namey = signature[signature_key].inputs[output_y].nameloss = signature[signature_key].outputs[output_loss].namefeed = {x1: , x2: , y: , loss: }res, _ = sess.run([y, loss], feed_dict=feed)

TensorFlow之saved_model使用笔记相关推荐

ModuleNotFoundError: No module named 'tensorflow.python.saved_model.model_utils'
ModuleNotFoundError: No module named 'tensorflow.python.saved_model.model_utils' 出现原因:升级了tensorflow2 ...
查看Anaconda Tensorflow CUDA 版本学习笔记
查看Anaconda Tensorflow CUDA 版本学习笔记序号内容 1 查看Anaconda版本 2 查看Tensor flow版本 3 查看DUDA版本一,Anaconda版本: c ...
转：tensorflow深度学习实战笔记（二）：把训练好的模型进行固化
原文地址:https://blog.csdn.net/chenyuping333/article/details/82106863 目录一.导出前向传播图二.对模型进行固化三.pb文件转tfli ...
Tensorflow深度学习学习笔记
Tensorflow学习笔记一.Tensorflow基础及深度学习原理 1.Tensorflow中网络搭建的三种方法 1.keras.models.Sequential() 2.keras.mode ...
Tensorflow官网教程笔记（1）
目录前言 1.从python中学到的新知识 1.1 figure函数 1.2 imshow函数--cmap参数 1.3 format函数 2.Tensorflow学习笔记前言由于自己只是学会了p ...
tensorflow youtube的一点笔记
最近在看TensorFlow的YouTube频道 https://www.youtube.com/tensorflow 内容挺多,不过只看一遍的话,基本过一遍也就都忘了,所以随手记下来一些概念,凭印象 ...
浙大博士导师整理：Tensorflow和Pytorch的笔记（包含经典项目实战）
作为一名AI工程师,掌握一门深度学习框架是必备的生存技能之一. 自 TensorFlow 从 Google 中脱颖而出以来,它在研究和商业领域成为最受欢迎的开源深度学习框架,紧接着从 Faceboo ...
5.3 使用tensorflow搭建GoogLeNet网络笔记
B站资源 csdn本家文章目录 model model_add_bn train train_add_bn trainGPU predict model from tensorflow.keras ...
tensorflow http调用_《TensorFlow 内核剖析》笔记——系统架构
3 系统架构系统整体组成:Tensorflow的系统结构以C API为界,将整个系统分为前端和后端两个子系统: 前端构造计算图后端执行计算图,可再细分为: 运行时:提供本地模式和分布式模式计算层 ...
机器学习实战基于_机器学习实战：基于Scikit-Learn和TensorFlow—第四章笔记
机器学习实战:基于Scikit-Learn和TensorFlow---第四章笔记一.学习目标之前用了那么多的机器学习的模型,但是它们各自的训练算法在很大程度上还是一个黑匣子,我们对对系统内部的实现 ...

TensorFlow之saved_model使用笔记

signature设置

模型保存

模型加载与使用

TensorFlow之saved_model使用笔记相关推荐

最新文章

热门文章