TensorFlow实现checkpoint文件转换为pb文件
由于项目需要,需要将TensorFlow保存的模型从ckpt文件转换为pb文件。
importos fromtensorflow.pythonimportpywrap_tensorflow fromnet2useimportinception_resnet_v2_small#这里使用自己定义的模型函数即可 importtensorflowastf if__name__=='__main__': pb_file="./model/output.pb" ckpt_file="./model/model.ckpt-652900" ''' 这里的节点名字可能跟设想的有出入,最直接的方法是直接输出ckpt中保存的节点名字,然后对应着找节点名字,具体的进入convert_variables_to_constants函数的实现中graph_util_impl.py,130行的函数:_assert_nodes_are_present添加代码 print('在图中的节点是:') fordininname_to_node: print('{},在图中'.format(din)) 然后运行代码,若正确就会直接保存;若失败则会保存失败,找好输出节点的名字,在output_node_names中添加就好 ''' output_node_names=["embedding"] withtf.name_scope('input'): image=tf.placeholder(tf.float32,shape=(None,79,199,1),name='input_image') net,endpoints=inception_resnet_v2_small(image,is_training=False) embedding=tf.nn.l2_normalize(net,1,1e-10,name='embedding') config=tf.ConfigProto(allow_soft_placement=True) config.gpu_options.per_process_gpu_memory_fraction=0.45 sess=tf.Session(config=config) saver=tf.train.Saver() saver.restore(sess,ckpt_file) print('readsuccess') converted_graph_def=tf.graph_util.convert_variables_to_constants(sess, input_graph_def=sess.graph.as_graph_def(), output_node_names=output_node_names) withtf.gfile.GFile(pb_file,"wb")asf: f.write(converted_graph_def.SerializeToString()) print('保存成功')
以上这篇TensorFlow实现checkpoint文件转换为pb文件就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。