TensorFlow保存/从fi加载图形

Question

从我目前收集到的信息来看，有几种不同的方法可以将TensorFlow图转储到文件中，然后将其加载到另一个程序中，但是我还没有找到关于它们如何工作的清晰示例/信息。我已经知道的是：

1. 使用tf.train.Saver()将模型变量保存到检查点文件（.ckpt）中，并在以后还原它们（source）
2. 将模型保存到.pb文件中，并使用tf.train.write_graph()和tf.import_graph_def()（source）将其加载回中
3. 从一个.pb文件加载一个模型，重新编译它，并使用Bazel（source）将其转储到一个新的.pb文件中
4. 冻结图形以将图形和权重一起保存（source）
5. 使用as_graph_def()保存模型，对于权重/变量，将它们映射为常量（source）

但是，关于这些不同的方法，我还没有弄清楚几个问题：

1. 对于检查点文件，它们是否只保存模型的训练权重？检查点文件可以加载到一个新程序中，并用于运行模型，还是仅仅用作在某个时间/阶段保存模型中权重的方法？
2. 关于tf.train.write_graph()，是否也保存了权重/变量？
3. 关于Bazel，它只能保存到/load从.pb文件中进行重新培训吗？是否有一个简单的Bazel命令将图形转储到.pb中？
4. 关于冻结，是否可以使用tf.import_graph_def()加载冻结图？
5. Android的TensorFlow演示从一个.pb文件加载到Google的Inception模型中。如果我想替换我自己的.pb文件，我该怎么做呢？我需要更改任何本机代码/方法吗？
6. 一般来说，所有这些方法到底有什么区别？或者更广泛地说，as_graph_def()/.ckpt/.pb之间有什么区别？

简而言之，我要寻找的是一种方法，将一个图（如，各种操作等）及其权重/变量保存到一个文件中，然后可以使用该文件将该图和权重加载到另一个程序中，以供使用（不一定要继续/重新训练）。

关于这个主题的文档不是很简单，所以任何答案/信息都会非常感谢。

Answer 1

您可以尝试以下代码：

with tf.gfile.FastGFile('model/frozen_inference_graph.pb', "rb") as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())
    g_in = tf.import_graph_def(graph_def, name="")
sess = tf.Session(graph=g_in)