tf.contrib.checkpoint.NumpyState

Объект отслеживания, чьи атрибуты с массивами NumPy сохраняются/восстанавливаются.

Наследуется от: CheckpointableBase

Пример использования:

arrays = tf.contrib.checkpoint.NumpyState()
checkpoint = tf.train.Checkpoint(numpy_arrays=arrays)
arrays.x = numpy.zeros([3, 4])
save_path = checkpoint.save("/tmp/ckpt")
arrays.x[1, 1] = 4.
checkpoint.restore(save_path)
assert (arrays.x == numpy.zeros([3, 4])).all()

second_checkpoint = tf.train.Checkpoint(
    numpy_arrays=tf.contrib.checkpoint.NumpyState())
# Attributes of NumpyState objects are created automatically by restore()
second_checkpoint.restore(save_path)
assert (second_checkpoint.numpy_arrays.x == numpy.zeros([3, 4])).all()

Обратите внимание, что объекты NumpyState повторно создают атрибуты ранее сохранённого объекта при restore(). Это отличается от переменных TensorFlow, для которых объект Variable должен быть создан и назначен атрибуту.

Этот фрагмент работает как при построении графа, так и при нетерпеливом выполнении. При сохранении массивы NumPy передаются в виде строк для сохранения в контрольной точке (через заполнитель при построении графа или как строковая константа при нетерпеливом выполнении). При восстановлении они полностью пропускают граф TensorFlow, поэтому не нужно запускать операции восстановления. Это означает, что восстановление всегда происходит нетерпеливо, а не ожидает checkpoint.restore(...).run_restore_ops() как переменные TensorFlow при построении графа.