TensorFlowユーザーはCheckedpointまたはGraphDefよりSavedModelを優先しますか？

Question

SavedModel Docsから

、

SavedModel、TensorFlowモデル用ユニバーサルシリアル化形式。

と

SavedModelはTensorFlowセーバーをラップします。 Saverは、主に可変チェックポイントの生成に使用されます。

私が理解しているように、誰かがTensorFlow Servingを使いたい場合は、SavedModelが必要です。しかし、SavedModelを使わずにTensorflow Modelを展開することができます：フリーズグラフをGraphDefとしてエクスポートし、ReadBinaryProtoとCreate（C++）またはImport（Go）を使ってセッションにグラフを読み込みます。

SavedModelの目的は何ですか？モデルに関連するより多くのデータを集計するためにCheckpointやGraphDefよりもSavedModelを好むべきですか？

Answer 1

チェックポイントには、TensorFlowモデルの（一部の）変数の値が含まれています。これはSaverによって作成され、保存するには特定のVariableを指定するか、デフォルトではすべての（ローカル以外の）変数を保存します。

チェックポイントを使用するには、互換性のあるTensorFlow Graphが必要です。Variableの名前は、チェックポイントのVariableと同じです。 （あなたは互換性のGraphを持っていない場合、あなたはまだのcontribにinit_from_checkpointユーティリティを使用して、選択Variable S内にチェックポイントに格納された値を読み込むことができます。）

SavedModelがはるかに包括的である：それはGraph Sのセットが含まれています（MetaGraph、実際には、コレクションなどを保存する）、これらのGraphと互換性のあるチェックポイント、およびモデルを実行するために必要なアセットファイル（語彙ファイルなど）が含まれます。各MetaGraphには、シグネチャのセットも格納されます。シグネチャは、入力および出力のテンソルを定義（名前付け）します。これだけSavedModelを与えられたことを意味

、あなたの解釈（まもなくtools/に表示されますようtensorflow/serving、または新しいsaved_modelコマンドラインユーティリティ）ツールを書いたり、内部のグラフを実行することができます。あなたが提供しなければならないのはデータだけです。

疑問がある場合は、チェックポイントだけでなく、SavedModelを書く側で私はいつも誤りがあります。これにより、テンソルフロー/サービング（および他のきれいなユーティリティの数が増えます）を使用できるだけでなく、モデルを実行するために必要なすべての情報が確実に得られます。モデルを変更してチェックポイントファイルと互換性がなくなったため、もう使用できないチェックポイントよりも不快なものはありません。比較のためにいくつかの予測を実行するだけです。