Basierend auf Konvertieren-trainierten-Tensorflow-Modell-zu-Protobuf Ich versuche, TF-Diagramm ohne Erfolg zu speichern / wiederherzustellen.

Hier ist Sparer:

with tf.Graph().as_default():
    variable_node = tf.Variable(1.0, name="variable_node")
    output_node = tf.mul(variable_node, 2.0, name="output_node")
    sess = tf.Session()
    init = tf.initialize_all_variables()
    sess.run(init)
    output = sess.run(output_node)
    tf.train.write_graph(sess.graph.as_graph_def(), summ_dir, 'model_00_g.pbtxt', as_text=True)
    #self.assertNear(2.0, output, 0.00001)
    saver = tf.train.Saver()
    saver.save(sess, saver_path)

was produziertmodel_00_g.pbtxt mit Textgraphbeschreibung. So ziemlich Kopieren Einfügen von freeze_graph_test.py.

Hier ist der Leser:

with tf.Session() as sess:

    with tf.Graph().as_default():
        graph_def = tf.GraphDef()
        graph_path = '/mnt/code/test_00/log/2016-02-11.22-37-46/model_00_g.pbtxt'
        with open(graph_path, "rb") as f:
            proto_b = f.read()
            #print proto_b   # -> I can see it
            graph_def.ParseFromString(proto_b) # no luck..
            _ = tf.import_graph_def(graph_def, name="")

    print sess.graph_def

was bei @ fehlschlägraph_def.ParseFromString() mitDecodeError: Tag had invalid wire type.

Ich bin auf Docker Containerb.gcr.io/tensorflow/tensorflow:latest-devel falls es einen Unterschied macht.