使用恢复(保存)模型的tensorflow在某些时期后会变慢

Question

我想在每个时代结束时从这个link中保存我的模型

我是这样做的：

保留：

model_dir = "{0}/epoch_{1}/res".format(train_dir, epoch_num)
saver.save(sess, model_dir, global_step=global_step_val)

恢复：

 for ep_num in range(num_epochs):
        model_dir = "{0}/epoch_{1}/".format(train_dir, epoch_num)
        model_meta_file_name = [each for each in 
        os.listdir(model_dir) if each.endswith('.meta')][0]
        meta_path="{0}/{1}".format(model_dir, model_meta_file_name)
        saver = tf.train.import_meta_graph(meta_path)
        saver.restore(sess, tf.train.latest_checkpoint(model_dir))

并继续用评估数据评估我的模型。

但在7-8年代之后，我的评估过程变得非常缓慢，我认为我正在节省一些额外的东西，在一些时代之后，我的图表非常大。我该怎么解决这个问题？

有一点:在这个评估过程中，gpu的利用率几乎为零。我认为，经过一些时代之后，我的进程没有在GPU上运行。

Answer 1

saver = tf.train.import_meta_graph(meta_path)

这一行应该只运行一次。您在每一个时代都会调用它，这会给图添加新的操作，因此计算速度会变慢。