tensorflow模型文件(ckpt)转pb文件的方法(不知道输出节点名)


Posted in Python onApril 22, 2020

网上关于tensorflow模型文件ckpt格式转pb文件的帖子很多,本人几乎尝试了所有方法,最后终于成功了,现总结如下。方法无外乎下面两种:

  • 使用tensorflow.python.tools.freeze_graph.freeze_graph
  • 使用graph_util.convert_variables_to_constants

1、tensorflow模型的文件解读

使用tensorflow训练好的模型会自动保存为四个文件,如下

tensorflow模型文件(ckpt)转pb文件的方法(不知道输出节点名)

checkpoint:记录近几次训练好的模型结果(名称)。

xxx.data-00000-of-00001: 模型的所有变量的值(weights, biases, placeholders,gradients, hyper-parameters etc),也就是模型训练好参数和其他值。

xxx.index :模型的元数据,二进制或者其他格式,不可直接查看 。是一个不可变得字符串表,每一个键都是张量的名称,它的值是一个序列化的BundleEntryProto。 每个BundleEntryProto描述张量的元数据:“数据”文件中的哪个文件包含张量的内容,该文件的偏移量,校验和一些辅助数据等。

xxx.meta:模型的meta数据 ,二进制或者其他格式,不可直接查看,保存了TensorFlow计算图的结构信息,通俗地讲就是神经网络的网络结构。

2、最常见的ckpt转pb文件的方法

2、ckpt转pb文件(freeze_graph.freeze_graph)

此种方法尝试成功,虽然不知道输出节点名,但是只要模型代码还在就可以操作,直接上代码。

import tensorflow as tf
import os
from tensorflow.python.tools import freeze_graph
from model import network # network是你们自己定义的模型结构(代码结构)
# egs:
# def network(input):
# return tf.layers.softmax(input)
 
model_path = "model.ckpt-0000" #设置model的路径,因新版tensorflow会生成三个文件,只需写到数字前
 
def main():
 tf.reset_default_graph()
 # 设置输入网络的数据维度,根据训练时的模型输入数据的维度自行修改
 input_node = tf.placeholder(tf.float32, shape=(None, None, 200)) 
 output_node = network(input_node) # 神经网络的输出
 # 设置输出数据类型(特别注意,这里必须要跟输出网络参数的数据格式保持一致,不然会导致模型预测  精度或者预测能力的丢失)以及重新定义输出节点的名字(这样在后面保存pb文件以及之后使用pb文件时直接使用重新定义的节点名字即可)
 flow = tf.cast(output_node , tf.float16, 'the_outputs') 
 saver = tf.train.Saver()
 with tf.Session() as sess:
 saver.restore(sess, model_path)
 #保存模型图(结构),为一个json文件
 tf.train.write_graph(sess.graph_def, 'output_model/pb_model', 'model.pb')
 #将模型参数与模型图结合,并保存为pb文件
 freeze_graph.freeze_graph('output_model/pb_model/model.pb', '', False, model_path, 'the_outputs','save/restore_all', 'save/Const:0', 'output_model/pb_model/frozen_model.pb', False, "")
 print("done")
if __name__ == '__main__':
 main()

2、ckpt转pb文件(graph_util.convert_variables_to_constants)

没有成功,因为不知道输出节点的名字,使用该方法保存后的pb文件只有几十k,无法使用,写在这里主要是为了总结。直接上代码,代码里面没有的库(函数),按提示自行import。

def freeze_graph(input_checkpoint,output_graph):
 '''
 :param input_checkpoint:
 :param output_graph: PB模型保存路径
 :return:
 '''
 # checkpoint = tf.train.get_checkpoint_state(model_folder) #检查目录下ckpt文件状态是否可用
 # input_checkpoint = checkpoint.model_checkpoint_path #得ckpt文件路径
 
 # 指定输出的节点名称,该节点名称必须是原模型中存在的节点
 output_node_names = "InceptionV3/Logits/SpatialSqueeze"
 saver = tf.train.import_meta_graph(input_checkpoint + '.meta', clear_devices=True)
 graph = tf.get_default_graph() # 获得默认的图
 input_graph_def = graph.as_graph_def() # 返回一个序列化的图代表当前的图
 
 with tf.Session() as sess:
 saver.restore(sess, input_checkpoint) #恢复图并得到数据
 output_graph_def = graph_util.convert_variables_to_constants( # 模型持久化,将变量值固定
  sess=sess,
  input_graph_def=input_graph_def,# 等于:sess.graph_def
  output_node_names=output_node_names.split(","))# 如果有多个输出节点,以逗号隔开
 
 with tf.gfile.GFile(output_graph, "wb") as f: #保存模型
  f.write(output_graph_def.SerializeToString()) #序列化输出
 print("%d ops in the final graph." % len(output_graph_def.node)) #得到当前图有几个操作节点
 
 # for op in graph.get_operations():
 # print(op.name, op.values())
 
if __name__ == '__main__':
 # 输入ckpt模型路径
 input_checkpoint='models/model.ckpt-10000'
 # 输出pb模型的路径
 out_pb_path="models/pb/frozen_model.pb"
 # 调用freeze_graph将ckpt转为pb
 freeze_graph(input_checkpoint,out_pb_path)

参考链接:

到此这篇关于tensorflow模型文件(ckpt)转pb文件(不知道输出节点名)的文章就介绍到这了,更多相关tensorflow ckpt转pb文件内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
python求众数问题实例
Sep 26 Python
用Python编写简单的定时器的方法
May 02 Python
用tensorflow搭建CNN的方法
Mar 05 Python
解决python3 网络请求路径包含中文的问题
May 10 Python
Python切片索引用法示例
May 15 Python
Centos 升级到python3后pip 无法使用的解决方法
Jun 12 Python
python实现简单日期工具类
Apr 24 Python
Python生成一个迭代器的实操方法
Jun 18 Python
解决pyqt5中QToolButton无法使用的问题
Jun 21 Python
Python字典对象实现原理详解
Jul 01 Python
python实现最小二乘法线性拟合
Jul 19 Python
使用pytorch实现论文中的unet网络
Jun 24 Python
有趣的Python图片制作之如何用QQ好友头像拼接出里昂
Apr 22 #Python
python模拟斗地主发牌
Apr 22 #Python
matlab 计算灰度图像的一阶矩,二阶矩,三阶矩实例
Apr 22 #Python
python根据完整路径获得盘名/路径名/文件名/文件扩展名的方法
Apr 22 #Python
matlab中二维插值函数interp2的使用详解
Apr 22 #Python
python 一维二维插值实例
Apr 22 #Python
Numpy一维线性插值函数的用法
Apr 22 #Python
You might like
PHP获取文件扩展名的4种方法
2015/11/24 PHP
WordPress中查询文章的循环Loop结构及用法分析
2015/12/17 PHP
PHP记录和读取JSON格式日志文件
2016/07/07 PHP
PHP实现创建微信自定义菜单的方法示例
2017/07/14 PHP
Jsonp 跨域的原理以及Jquery的解决方案
2010/05/18 Javascript
Javascript 中的 call 和 apply使用介绍
2012/02/22 Javascript
jquery方法+js一般方法+js面向对象方法实现拖拽效果
2012/08/30 Javascript
javascript中直接写php代码的方法
2013/07/31 Javascript
jquery清空表单数据示例分享
2014/02/13 Javascript
JavaScript将字符串转换成字符编码列表的方法
2015/03/19 Javascript
Bootstrap Table服务器分页与在线编辑应用总结
2016/08/08 Javascript
关于angular js_$watch监控属性和对象详解
2017/04/24 Javascript
jQuery滚动插件scrollable.js用法分析
2017/05/25 jQuery
常用的9个JavaScript图表库详解
2017/12/19 Javascript
详解@angular/cli 改变默认启动端口两种方式
2018/11/29 Javascript
node 文件上传接口的转发的实现
2019/09/23 Javascript
jQuery HTML获取内容和属性操作实例分析
2020/05/20 jQuery
从0到1学习JavaScript编写贪吃蛇游戏
2020/07/28 Javascript
[06:45]2018DOTA2亚洲邀请赛 4.5 SOLO赛 Sccc vs Maybe
2018/04/06 DOTA
编写简单的Python程序来判断文本的语种
2015/04/07 Python
Python中利用sqrt()方法进行平方根计算的教程
2015/05/15 Python
windows及linux环境下永久修改pip镜像源的方法
2016/11/28 Python
numpy中索引和切片详解
2017/12/15 Python
Python动态生成多维数组的方法示例
2018/08/09 Python
Python rstrip()方法实例详解
2018/11/11 Python
python tkinter之 复选、文本、下拉的实现
2020/03/04 Python
python操作redis数据库的三种方法
2020/09/10 Python
Python+OpenCV图像处理——实现轮廓发现
2020/10/23 Python
幼儿园运动会加油词
2014/02/14 职场文书
服务型党组织建设典型材料
2014/05/07 职场文书
消防安全宣传标语
2014/06/07 职场文书
2015年119消防宣传日活动总结
2015/03/24 职场文书
学校后勤工作总结2015
2015/05/15 职场文书
实习报告范文之电话客服岗位
2019/07/26 职场文书
图文详解matlab原始处理图像几何变换
2021/07/09 Python
Flutter集成高德地图并添加自定义Maker的实践
2022/04/07 Java/Android