我有一个经过训练的模型,它是用tf.train.Saver
保存的,生成4个相关文件
checkpoint
model_iter-315000.data-00000-of-00001
model_iter-315000.index
model_iter-315000.meta
既然它是通过docker容器生成的,那么机器本身和docker上的路径是不同的,就像我们在两台不同的机器上工作一样。在
我正在尝试将保存的模型加载到容器外部。在
当我运行以下程序时
sess = tf.Session()
saver = tf.train.import_meta_graph('path_to_.meta_file_on_new_machine') # Works
saver.restore(sess, tf.train.latest_checkpoint('path_to_ckpt_dir_on_new_machine') # Fails
错误是
tensorflow.python.framework.errors_impl.NotFoundError: PATH_ON_OLD_MACHINE; No such file or directory
即使我在调用tf.train.latest_checkpoint
时提供了新路径,但仍会得到错误,显示旧路径上的路径。在
我怎么解决这个问题?在
这里的方法不需要编辑检查点文件或手动查看检查点目录。如果我们知道检查点前缀的名称,我们可以使用regex并假设tensorflow在
checkpoint
文件的第一行写入最新的检查点:“checkpoint”文件是一个索引文件,它本身就嵌入了路径。在文本编辑器中打开它并将路径更改为正确的新路径。在
或者,使用^{} 加载特定的检查点,而不是依赖TensorFlow为您找到最新的检查点。在这种情况下,它不会引用“checkpoint”文件,不同的路径也不会成为问题。在
或者编写一个小脚本来修改“checkpoint”的内容。在
如果打开
checkpoint
文件,您将看到如下内容:只要删除
/PATH/ON/OLD/MACHINE/
,或者用/PATH/ON/NEW/MACHINE/
替换它,就可以开始了。在编辑: 将来,在创建
tf.train.Saver
时,应该使用save_relative_paths
选项。引用doc:相关问题 更多 >
编程相关推荐