我有一个应用了辍学的经过预先训练的模型，我想从Java程序中恢复它。
对于我的应用程序，在推理步骤中，我需要打开输出，并多次重复向模型输入数据并获得一系列预测。
我做了什么：
加载模型并初始化会话
model = SavedModelBundle.load ("path_to_model", "serve");
sess = model.session();
送入模型（重复多次，例如3次）
for (i = 0; i < 3; i++)
t_pred = sess.runner().feed("x", x).fetch("y").run().get(0);
假设：
第一次：获取数组A1 = [y1，y2，y3]
第二次：获取数组A2 = [z1，z2，z3]
...
我想要相同的推断，但A2与A1不同。
我知道辍学面具会随着时间而改变。
我想我需要“ seed”变量作为python API中的变量。但我找不到任何参考。
我试过的
为了获得相同的预测列表，我需要加载模型并多次初始化会话。
for (i = 0; i < 3; i++)
model = SavedModelBundle.load ("path_to_model", "serve");
sess = model.session();
t_pred = sess.runner().feed("x", x).fetch("y").run().get(0);
但这不是最佳选择，因为它需要花费一些时间来加载模型并可能导致与内存相关的问题。
我该如何解决这个问题？
先感谢您！
解决方案如下：
最后，我解决了这个问题。
重新打开会话时，我认为该会话已重新初始化是错误的：Session s = modelBundle.session();
用涉及的图重新初始化。
byte[] metaGraph = Files.readAllBytes(Paths.get(save_path));
Graph g = new Graph();
Session sess = new Session(g);
但这会导致错误：
“尝试使用未初始化的值”
我通过更改将模型保存在python中的方式来修复了该错误。
以前，我使用过：
builder = tf.saved_model.builder.SavedModelBuilder(save_folder)
builder.add_meta_graph_and_variables(sess,[tf.saved_model.tag_constants.SERVING])
save_path = builder.save()
似乎没有保存种子（初始化为局部变量），然后导致模型未保存状态。
我将其更改为：
with tf.gfile.GFile(save_path, 'wb') as f:
f.write(out_graph_def.SerializeToString())
而且效果很好^^。