tensorflow框架实现中的三种“图（graph）”

阅读下面的内容总结的：

1. Graphdef不保存任何Variable信息，只保存图形信息。虽然Graphdef不能保存变量，但是可以保存constant,所以import_graph_def可以恢复图形和constant.

2. Metagraph虽然保存variable信息(也保存图形)，却没有实际值，都是些初始值。所以，import_meta_graph恢复的图，还不能直接用于训练。

3. tf.train.Saver.restore()只能恢复变量的值，不能恢复图形，要恢复图形和变量，可以使用import_meta_graph。所以，首先用import_meta_graph恢复出图形和变量，然后再使用tf.train.Saver.restore()恢复变量的值，就可以继续进行训练。

4.tf.train.Saver.save()在保存check_point的同时，也会保存MetaGraph, 训练中weight等的实际值，都保存在check_point中。如果要从之前训练的状态继续恢复训练，就要从check_point中restore。

5. 在多个模型串联的过程中，经常使用tensorflow.python.framework import graph_util.convert_variables_to_constants函数将模型的图形保存，且将模型中的变量转化为常量保存起来，实现固化。然后，通过import_graph_def就可以将图形和常量一起恢复。

=============================

以下内容转自：http://www.360doc.com/content/17/1123/18/7669533_706522939.shtml