tensorflow model几种模型文件

转载：https://blog.eson.org/pub/3da24a26/

 

模型文件相关

• checkpoint (.ckpt):
  • variable的序列化存储，常用于保存和还原模型参数。保存方式是变量name—>value的映射
  • 缺陷：序列化内容与创建的代码相关，因此在跨语言时通常不采用这种格式
• SavedModel: 同时包含variable、graph、graph’s metadata
  • Checkpoints is a format dependent on the code that created the model(是指和模型版本相关吗？还是语言种类？). 不包含graph
  • SavedModel is a format independent of the code that created the model. 包含graph
• meta graph:
  • 类: MetaGraphDef ，包含MetaInfoDef、GraphDef、SaverDef、CollectionDef
  • 序列化存储格式: protobuf, .meta文件
  • 示例
• GraphDef (.pb)
  • Graph对象的protobuf保存形式为GraphDef对象
  • 示例
• frozen graph:
  • freeze_graph.py的操作: 将 GraphDef 中所有 Variable 节点转换为常量。
    FrozenGraphDef:
    graph和variable分别存储在不同的文件，通常不利于部署到产品。
    tensorflow提供freeze_graph.py脚本将graph定义和checkpoint中的变量打包到一个文件。
  • 序列化存储格式: protobuf, 文件
    • 示例
• TensorFlow Lite model (.tflite): 轻量级模型格式 *.lite，和 FrozenGraphDef 十分类似

部署在线服务（Serving）时官方推荐使用 SavedModel 格式，而部署到手机等移动端的模型一般使用 FrozenGraphDef 格式