小编Mak*_*nko的帖子

有没有办法手动运行Tensorflow单元测试？我想在修改TF源代码时执行完整性检查.

我看到有很多_test.py文件,其中的类执行许多测试操作,我无法弄清楚如何运行它们.应该有一个简单的方法吗？

是否可以从Python端自定义TensorFlow CTC实现中的光束记分器？我在评论CTCBeamSearchDecoder C++类构造函数时看到了这种可能性,但是想知道如何为Python用户提供这个功能？

我们遇到的具体问题是将语言模型插入基于CTC的语音解码器.语言模型可能是预先训练的TensorFlow子图,能够输出光束得分调整的概率.但我们需要一种方法将其注入射线得分手.

任何人都可以向我指出在 Numba-nopython 函数中将 int/float Numpy 数组视为字节串的方式吗？

我想要实现的是尝试使用 Numba-nopython 函数作为 np.array.tobytes() 的替代品，因为它对于半大型数组来说太慢了。

在我的环境arr.tobytes()中，这段代码需要 1.1 秒，这对于这么小的数组来说是不可接受的：

arr = np.random.ranf(15000000).astype(np.float32)
str = arr.tobytes()

这种延迟困扰着我们的 TensorFlow Serving GRPC 调用，导致不必要的减慢。

为了不将优化器和渐变节点带入推理环境,我正在尝试创建两个版本的图形 - 一个带有训练节点,另一个没有.

并且想法是用于tensorflow.train.Saver将变量从训练图形版本传递到推理图形版本.

所以我尝试了以下内容:

# Create training graph
trainingGraph = tf.Graph()
with (trainingGraph.as_default()):
  trainOp, lossOp = self.CreateTrainingGraph()
  trainInitOp = tf.initialize_variables(tf.all_variables(), "init_variables")

  # Add saver op
  self.saverOp = tf.train.Saver()

# Create inference graph
inferenceGraph = tf.Graph()
with (inferenceGraph.as_default()):
  self.CreateInferenceGraph()

  # Add saver op, compatible with training saver
  tf.train.Saver(saver_def=self.saverOp.as_saver_def())

在这种情况下,CreateTrainingGraph()调用CreateInferenceGraph()并在其上添加优化器和丢失.

由于某种原因,tf.train.Saver构造函数不会将save/restore_all节点添加到推理图中(或者我只是不明白saver_def选项的作用).我试过空构造函数和

sess.run([model.saverOp._restore_op_name],
         { model.saverOp._filename_tensor_name : "Params/data.pb" })

失败了,错误

<built-in function delete_Status> returned a result with an error set

实现这个目标的正确方法是什么？