Ich muss Modell in Initialisierung laden und dann durch eine Funktion wieder verwenden. In meiner Architekturfunktion führe Vorhersagen von mehreren Datensätzen nach einem Modell durch und ich dachte, dass das Laden eines Modells von der Festplatte für jeden Datensatz keine gute Lösung ist.Laden Tensorflow-Modell und wiederverwenden es durch die anderen Funktionen
Ich brauche so etwas wie dies, dass Sharing-Sitzung (oder Modell) zwischen Funktionen:
def __init__(self):
self.graph = tf.Graph()
with self.graph.as_default():
self.sess = tf.Session()
with sess.as_default():
saver.restore(tf.get_default_session(), path_to_checkpoint)
def some_func():
with self.graph.as_default():
with self.sess.as_default():
self.sess.run()
Gibt es eine richtige Art und Weise, dies zu tun?