假设我在对一些 tf.Session sess 和一些 tf.train.Saver 进行一些计算后在机器 A 上执行以下操作 saver，假设我有一些 tf.Graph G 和一些变量 V:
with tf.Graph().as_default():
# Define G, V, initialize for sess, then run some computation
saver.save(sess, '/A/somefolder/somefile')
这会创建 somefile、somefile.meta，并更新 somefolder 中的检查点。
接下来，假设在机器 B 上我复制了 somefolder 的全部内容并运行以下命令:
with tf.Graph().as_default():
# Define G and V the same way. No initialization or run here.
saver.restore(sess, '/B/somefolder/somefile')
对于机器 A 和 B，变量在代码块末尾是否具有相同的状态？这保证可以在所有平台上运行吗？不同版本的 Linux 怎么样？
最佳答案
保护程序使用简单的文件格式 based on LevelDB存储将变量名称(作为字符串)映射到 SavedTensorSlice protocol buffers 的键值表。该格式旨在跨所有平台工作，尽管它主要在小端(即基于 x86)架构上进行了测试。同一文件应该可以在不同版本的 Linux 以及 Linux 和 Mac OS X 之间运行。如果不能，请提出 issue !
关于cross-platform - TensorFlow 中的 Saver 是否具有跨平台文件格式？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/37448341/