TensorFlow SavedModelBuilder增量保存：需重复执行Block2还是仅调用builder.save()？

Hey there! Let's break this down clearly based on how TensorFlow's SavedModel system works:

• 第一次保存模型时：你需要完整执行Block2（也就是定义模型结构、注册输入输出签名、将模型变量/计算图关联到builder的所有步骤），然后调用builder.save()。这是因为首次保存需要把模型的核心结构、计算图、签名定义以及初始权重全部写入SavedModel目录，这是后续增量保存的基础。

• 后续每100步的增量保存：只需要调用builder.save()就足够了，完全不需要重复执行Block2。原因很简单：一旦你完成了第一次的模型结构和签名注册，builder对象已经持有了对计算图和模型变量的引用。后续调用save()只会将当前训练更新后的变量权重写入SavedModel的checkpoint部分，不会重复写入结构和签名，既高效又避免了重复注册可能引发的错误（比如签名冲突、图结构重复定义）。

关键注意事项 #

• 要保证你的builder实例在整个训练循环中是持续存在的（比如作为全局变量或者类成员），不要每次保存都重新创建builder。如果每次都新建builder，那你确实需要重新执行Block2，但这是完全没必要的低效操作。
• 如果你的训练过程中模型结构会动态变化（比如动态添加层、修改计算逻辑），那这种情况需要重新执行Block2来更新模型结构后再保存，但一般增量训练场景下模型结构是固定的，所以不用考虑这种例外。

内容的提问来源于stack exchange，提问作者user1058210