Tensorflow 2.0：保存模型中的变量
Tensorflow 2.0 : Variables in Saved model
saved_model API保存的变量文件是protocol buffer (pb)格式吗？如果没有，有没有办法在不使用 tensorflow APIs( restore/ load)
的情况下加载它
有一个纯粹的 Python API，它不使用 TensorFlow 操作，如果有帮助的话：list variables and load a single variable。对于 SavedModel，您可以将它们指向 variables/ 子目录。
还有TensorBundle是C++的实现。
如果这些都没有帮助，答案可能是 "no"。从理论上讲，它可以拆分成一个单独的包；如果您对此感兴趣，请随时与我们联系。
我不确定是否经过验证。但似乎将 list_variables 和 load_variable 指向 SavedModel 的变量子目录不起作用。我们将看到 "checkpoint" 文件丢失断言。
a WA是创建一个检查点文件，其中一行指向数据文件名。
model_checkpoint_path: "variables"
您可以使用 tf.keras.models.load_model 从 saved_model 加载模型，您得到的是一个 tf.keras.Model 对象。
saved_model API保存的变量文件是protocol buffer (pb)格式吗？如果没有，有没有办法在不使用 tensorflow APIs( restore/ load)
的情况下加载它有一个纯粹的 Python API，它不使用 TensorFlow 操作，如果有帮助的话：list variables and load a single variable。对于 SavedModel，您可以将它们指向 variables/ 子目录。
还有TensorBundle是C++的实现。
如果这些都没有帮助，答案可能是 "no"。从理论上讲，它可以拆分成一个单独的包；如果您对此感兴趣，请随时与我们联系。
我不确定是否经过验证。但似乎将 list_variables 和 load_variable 指向 SavedModel 的变量子目录不起作用。我们将看到 "checkpoint" 文件丢失断言。 a WA是创建一个检查点文件，其中一行指向数据文件名。 model_checkpoint_path: "variables"
您可以使用 tf.keras.models.load_model 从 saved_model 加载模型，您得到的是一个 tf.keras.Model 对象。