Supongo que está preguntando sobre las ventajas de la comprobación de puntos con la clase tf.train.Saver de tensorflow en comparación con la evaluación de las variables y guardarlas como hdf5 usted mismo. Con la primera opción, obtienes algunos beneficios de tensorflow como jugar bien con entrenamiento distribuido sin tener que cambiar tu código, tener el parámetro max_to_keep donde elimina automáticamente los puntos de control antiguos, el parámetro var_list donde puedes especificar qué variables quieres usar o excluir, y cosas como esas. Con la última opción obtienes más estabilidad y con un pequeño código adicional tienes un modelo mental más claro de lo que está sucediendo (menos magia en tu nombre). ¿Cuándo ocurre el ahorro? Cuando dices que sí. ¿Será fácil o incluso posible leer el formato de búfer de protocolo binario de la versión 0.11 de tensorflow en unos años? No lo sé. ¿Podrás leer hdf5 en 20 años? Si.
¿Cuál es la diferencia entre almacenar datos en HDF5 frente al formato TFRecord de TensorFlow?
Related Content
¿Qué hace la diferencia entre un algoritmo normal y un algoritmo de aprendizaje automático?
More Interesting
¿Puede el aprendizaje automático desarrollar el gusto?
En TensorFlow, ¿qué es una capa 'densa' y una 'abandonada'?
¿Cuáles son los casos de uso de aprendizaje profundo en CRM?
¿Cuál es el plan de estudios de maestría de Stanford en AI / ML?
¿Podrían probarse los conceptos de la medicina tradicional china mediante el aprendizaje profundo?
¿El análisis discriminante lineal funciona para distribuciones que no sean gaussianas?
¿Cómo se aplica el aprendizaje profundo en el reconocimiento de imágenes?
¿Cuáles son los grandes problemas en la inferencia variacional?