TensorFlow - 导出

TensorFlow导出 - 从简单和简单的步骤学习TensorFlow，从基本到高级概念，包括简介，安装，理解人工智能，数学基础，机器学习和深度学习，基础知识，卷积神经网络，递归神经网络，TensorBoard可视化，Word嵌入，单层感知器，线性回归，TFLearn及其安装，CNN和RNN差异，Keras，分布式计算，TensorFlow导出，多层感知器学习，感知器隐藏层，TensorFlow中的优化器，XOR实现，梯度下降优化，形成图形，使用TensorFlow进行图像识别，神经网络训练的建议。

在这里，我们将关注TensorFlow中的MetaGraph形成.这有助于我们了解TensorFlow中的导出模块. MetaGraph包含基本信息，这些信息是对先前训练过的图表进行训练，执行评估或运行推理所必需的.

以下是相同和减号的代码片段;

def export_meta_graph(filename = None, collection_list = None, as_text = False):    """this code writes `MetaGraphDef` to save_path/filename.       Arguments:    filename: Optional meta_graph filename including the path. collection_list:       List of string keys to collect. as_text: If `True`,       writes the meta_graph as an ASCII proto.       Returns:    A `MetaGraphDef` proto. """

其中一个典型的使用模型在下面提到 :

# Build the model ... with tf.Session() as sess:    # Use the model ... # Export the model to /tmp/my-model.meta. meta_graph_def = tf.train.export_meta_graph(filename = '/tmp/my-model.meta')