廢話少說直接上代碼樣例如下

import tensorflow as tf
import os
from tensorflow.python.tools import freeze_graph
# 本來這個model本無需解釋太多，但是這么多人不能耐下心來看，那么我簡單的說一下吧
# network是你們自己定義的模型結構而已
# ps:
# def network(input)：
# return tf.layers.max_pooling2d(input, 2, 2)
from model import network


os.environ['CUDA_VISIBLE_DEVICES']='2' #設置GPU


model_path = "path to /model.ckpt-0000" #設置model的路徑，因新版tensorflow會生成三個文件，只需寫到數字前


def main():

 tf.reset_default_graph()

 input_node = tf.placeholder(tf.float32, shape=(228, 304, 3)) #這個是你送入網絡的圖片大小，如果你是其他的大小自行修改
 input_node = tf.expand_dims(input_node, 0)
 flow = network(input_node)
 flow = tf.cast(flow, tf.uint8, 'out') #設置輸出類型以及輸出的接口名字，為了之后的調用pb的時候使用

 saver = tf.train.Saver()
 with tf.Session() as sess:

  saver.restore(sess, model_path)

  #保存圖
  tf.train.write_graph(sess.graph_def, 'output_model/pb_model', 'model.pb')
  #把圖和參數結構一起
  freeze_graph.freeze_graph('output_model/pb_model/model.pb', '', False, model_path, 'out','save/restore_all', 'save/Const:0', 'output_model/pb_model/frozen_model.pb', False, "")

 print("done")

if __name__ == '__main__':
 main()

這節(jié)是關于tensorflow的Freezing，字面意思是冷凍，可理解為整合合并；整合什么呢，就是將模型文件和權重文件整合合并為一個文件，主要用途是便于發(fā)布。

官方解釋可參考：https://www.tensorflow.org/extend/tool_developers/#freezing 

這里我按我的理解翻譯下，不對的地方請指正：
有一點令我們?yōu)楸容^困惑的是，tensorflow在訓練過程中，通常不會將權重數據保存的格式文件里（這里我理解是模型文件），反而是分開保存在一個叫checkpoint的檢查點文件里，當初始化時，再通過模型文件里的變量Op節(jié)點來從checkoupoint文件讀取數據并初始化變量。這種模型和權重數據分開保存的情況，使得發(fā)布產品時不是那么方便，所以便有了freeze_graph.py腳本文件用來將這兩文件整合合并成一個文件。
freeze_graph.py是怎么做的呢？首行它先加載模型文件，再從checkpoint文件讀取權重數據初始化到模型里的權重變量，再將權重變量轉換成權重 常量 （因為 常量 能隨模型一起保存在同一個文件里），然后再通過指定的輸出節(jié)點將沒用于輸出推理的Op節(jié)點從圖中剝離掉，再重新保存到指定的文件里（用write_graphdef或Saver）

文件目錄：tensorflow/python/tools/free_graph.py
測試文件：tensorflow/python/tools/free_graph_test.py 這個測試文件很有學習價值

參數：

總共有11個參數，一個個介紹下(必選： 表示必須有值；可選： 表示可以為空)：
1、input_graph：（必選）模型文件，可以是二進制的pb文件，或文本的meta文件，用input_binary來指定區(qū)分（見下面說明）
2、input_saver：（可選）Saver解析器。保存模型和權限時，Saver也可以自身序列化保存，以便在加載時應用合適的版本。主要用于版本不兼容時使用。可以為空，為空時用當前版本的Saver。
3、input_binary：（可選）配合input_graph用，為true時，input_graph為二進制，為false時，input_graph為文件。默認False
4、input_checkpoint：（必選）檢查點數據文件。訓練時，給Saver用于保存權重、偏置等變量值。這時用于模型恢復變量值。
5、output_node_names：（必選）輸出節(jié)點的名字，有多個時用逗號分開。用于指定輸出節(jié)點，將沒有在輸出線上的其它節(jié)點剔除。
6、restore_op_name：（可選）從模型恢復節(jié)點的名字。升級版中已棄用。默認：save/restore_all
7、filename_tensor_name：（可選）已棄用。默認：save/Const:0
8、output_graph：（必選）用來保存整合后的模型輸出文件。
9、clear_devices：（可選），默認True。指定是否清除訓練時節(jié)點指定的運算設備（如cpu、gpu、tpu。cpu是默認）
10、initializer_nodes：（可選）默認空。權限加載后，可通過此參數來指定需要初始化的節(jié)點，用逗號分隔多個節(jié)點名字。
11、variable_names_blacklist：（可先）默認空。變量黑名單，用于指定不用恢復值的變量，用逗號分隔多個變量名字。

用法：

例：python tensorflow/python/tools/free_graph.py \
–input_graph=some_graph_def.pb \ 注意：這里的pb文件是用tf.train.write_graph方法保存的
–input_checkpoint=model.ckpt.1001 \ 注意：這里若是r12以上的版本，只需給.data-00000….前面的文件名，如：model.ckpt.1001.data-00000-of-00001，只需寫model.ckpt.1001
–output_graph=/tmp/frozen_graph.pb
–output_node_names=softmax

另外，如果模型文件是.meta格式的，也就是說用saver.Save方法和checkpoint一起生成的元模型文件，free_graph.py不適用，但可以改造下：
1、copy free_graph.py為free_graph_meta.py
2、修改free_graph.py，導入meta_graph：from tensorflow.python.framework import meta_graph
3、將91行到97行換成：input_graph_def = meta_graph.read_meta_graph_file(input_graph).graph_def

這樣改即可加載meta文件

到此這篇關于tensorflow使用freeze_graph.py將ckpt轉為pb文件的方法的文章就介紹到這了,更多相關tensorflow ckpt轉為pb文件內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論