我用 tensorflow 训练了一个模型，并在训练过程中使用了批量归一化。批量归一化要求用户传递一个名为 is_training 的 bool 值，以设置模型是处于训练阶段还是测试阶段。
训练模型时，is_training设置为常量，如下所示
is_training = tf.constant(True, dtype=tf.bool, name='is_training')
我已经保存了训练好的模型，文件包括检查点、.meta 文件、.index 文件和一个.data。我想恢复模型并使用它运行推理。 该模型无法重新训练。所以，我想恢复现有模型，将 is_training 的值设置为 False ，然后将模型保存回来。 如何编辑与该节点关联的 bool 值，并再次保存模型？
请您参考如下方法:
您可以使用 tf.train.import_meta_graph 的 input_map 参数将图形张量重新映射到更新值。
config = tf.ConfigProto(allow_soft_placement=True)
with tf.Session(config=config) as sess:
# define the new is_training tensor
is_training = tf.constant(False, dtype=tf.bool, name='is_training')
# now import the graph using the .meta file of the checkpoint
saver = tf.train.import_meta_graph(
'/path/to/model.meta', input_map={'is_training:0':is_training})
# restore all weights using the model checkpoint
saver.restore(sess, '/path/to/model')
# save updated graph and variables values
saver.save(sess, '/path/to/new-model-name')
