将tensorflow训练的model,转换为.pb格式的model

最新推荐文章于 2024-07-08 08:22:55 发布
原创 最新推荐文章于 2024-07-08 08:22:55 发布 · 2.7k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

部署运行你感兴趣的模型镜像

留

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

AI模型各种存储格式文件介绍（pb, onnx, ckpt, tflite, h5）
Briwisdom的博客
04-05 1万+
.ckpt模型文件 tensorflow框架下保存的模型，包含以下几个子文件： model.ckpt.meta ：保存Tensorflow计算图结构，可以理解为神经网络的网络结构 model.ckpt ：保存Tensorflow程序中每一个变量的取值，变量是模型中可训练的部分 checkpoint ：保存一个目录下所有模型文件列表 .pb 模型文件 pb是protocolbuffer的缩写。TensorFlow训练模型后存成的pb文件，是一种表示模型（神经网络）结构的二进制文件，不带有源代码，也.
TensorFlow2.0模型格式转换为.pb格式
qq_37116150的博客
04-24 1万+
本文主要介绍如何将tensorflow2.0模型转化为.pb格式。
tensorflow的ckpt文件转pb模型文件
10-28
使用这个python程序可以直接将ckpt文件转成固化的模型文件，用于预测结果，注意修改路径
npy文件转为pb文件
06-27
npy文件转为pb文件 下载后 直接打开代码就可以运行 里面包含要转换的npy文件和已经转换好的pb文件 转换完后测试pb文件正确可用
【Tensorflow】.ckpt模型转换为.pb模型（BERT）
xichen9581的博客
09-19 9882
目录 1. 模型文件转换 1.1 获取模型中节点名称 1.2 将ckpt模型转换为pb模型 1.3 查看.ckpt文件保存的tensor信息 2. 模型文件可视化 2.1 ckpt模型可视化 2.2 pb模型可视化 Google_BERT 1. 模型文件转换 .indel是对应模型的索引文件，保存.data文件与.meta文件中图的结构关系； .data-0000...
C++学习之路 | PTA乙级—— 1006 换个格式输出整数 (15分)（精简）
Eighteen
09-22 241
1006 换个格式输出整数 (15分) 让我们用字母 B 来表示“百”、字母 S 表示“十”，用 12…n 来表示不为零的个位数字 n（<10），换个格式来输出任一个不超过 3 位的正整数。例如 234 应该被输出为 BBSSS1234，因为它有 2 个“百”、3 个“十”、以及个位的 4。 输入格式： 每个测试输入包含 1 个测试用例，给出正整数 n（<1000）。 输出格式： 每个测试用例的输出占一行，用规定的格式输出 n。 输入样例 1： 234 输出样例 1： BBSSS1234 输入样
TensorFlow 2.0 模型保存与转换：.pb格式详解
xziyuan的博客
07-08 1756
tensorflow原生保存的模型不适用于多平台使用，将模型转化为.pb格式，可以更加方便的转化为别的格式，本文主要介绍如何转化.pb格式。这种方式是训练完，然后使用tf.saved_model.save()函数保存模型，然后将模型转化为.pb格式.这种方式的好处是可以将别人训练好的.h5模型文件拿来转.pb模型。测试转化的.pb模型是否转化成功，能否加载。
Tensorflow 1.13训练模型.pb文件转换成Tensorflowlite可以使用的.tflite文件过程记录
SpiritYzw的博客
04-20 3851
@Tensorflow 1.13训练模型.pb文件转换成Tensorflowlite可以使用的.tflite文件过程记录 前言 之前一直通过1.13版本的TensorflowGpu训练模型，使用范围局限在电脑端（例如opencv调用模型等等）。最近的一个项目需要在移动端部署，将训练好的.pb模型可以成功移植到安卓移动端，但是出现了一个老生常谈的问题，就是无法迅速连续识别，这主要是因为移动端和PC端...
精选资源
tflite2onnx:将TensorFlow Lite模型（* .tflite）转换为ONNX
05-03
如果您想将TensorFlow模型（冻结图*.pb ， SavedModel或其他格式）转换为ONNX，请尝试 。 或者，您可以先将其为TFLite（ *.tflite ）模型，然后再将TFLite模型转换为ONNX。 微软在tf2onnx实现了另一个TensorFlow ...
将tensorflow模型文件：*.data-00000-of-00001，*.index 和 *.meta这3个文件固化为pb文件
07-10
将tensorflow的PNet,RNet,ONet的模型文件：*.data-00000-of-00001，*.index 和 *.meta这3个文件固化为pb文件。里面详细介绍了节点名称：output_node_names如何获取。直接拿来就可以运行。可以直接看看自己模型文件的...
TensorFlow把ckpt转化为pb文件代码进阶版
12-13
把tensorflow保存的checkpoint类型模型冻结，转化为.pb模型输出。调用方法参见我的博文https://blog.csdn.net/weixin_41864878/article/details/84957681
TensorFlow把ckpt转化为pb文件代码
12-13
把tensorflow保存的checkpoint类型模型冻结，转化为.pb模型输出。调用方法参见我的博文https://blog.csdn.net/weixin_41864878/article/details/84957681
tensorflow使用freeze_graph.py将ckpt转为pb文件的方法
09-17
主要介绍了tensorflow使用freeze_graph.py将ckpt转为pb文件的方法,需要的朋友可以参考下
tensorflow实现将ckpt转pb文件的方法
09-17
主要介绍了tensorflow实现将ckpt转pb文件的方法，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
tensorflow实现将ckpt转pb文件
热门推荐
AI吃大瓜的博客
09-01 8万+
tensorflow实现将ckpt转pb文件 【尊重原创，转载请注明出处】：https://blog.csdn.net/guyuealian/article/details/82218092 本博客实现将自己训练保存的ckpt模型转换为pb文件，该方法适用于任何ckpt模型，当然你需要确定ckpt模型输入/输出的节点名称。 目录 tensorflow实现将ckpt转pb文件 一、C...
tensorflow--使用freeze_graph.py将ckpt转为pb文件
大丈夫
10-25 4万+
这节是关于tensorflow的Freezing，字面意思是冷冻，可理解为整合合并；整合什么呢，就是将模型文件和权重文件整合合并为一个文件，主要用途是便于发布。 官方解释可参考：https://www.tensorflow.org/extend/tool_developers/#freezing 这里我按我的理解翻译下，不对的地方请指正： 有一点令我们为比较困惑的是，tensorflow在训练
最简单的tensorflow将ckpt转换成pb
qq_34654240的博客
01-17 2997
ckpt转化为pb并进行测试运行 利用tf.graph_util.convert_variables_to_constants进行模型固化 1.导出pb文件：export.py 2.利用pb文件进行预测 from __future__ import absolute_import, unicode_literals import tensorflow as tf import os ...
TensorFlow ckpt模型文件转换为pb模型文件
罗百万当程序员
06-05 5243
问题 ckpt转pb主要有两点要注意 1.要知道模型输入输出的节点名称 2.转化后Value Error问题 1.获取输入输出节点名称 使用tools里的freeze_graph来读取ckpt 保存ckpt模型的文件夹下的三个文件名 epoch_50.ckpt.data-00000-of-00001 epoch_50.ckpt.index epoch_50.ckpt.meta 获取所有节点名称 ...
将tf训练的权重保存为CKPT,PB ,CKPT 转换成 PB格式。并将权重固化到图里面,并使用该模型进行预测
MachineLP的专栏
10-31 8811
将tf训练的权重保存为CKPT，PB ，CKPT 转换成 PB格式： Tensorflow 模型持久化 将权重固化到图里面,并使用该模型进行预测： tensorflow将训练好的模型freeze,即将权重固化到图里面,并使用该模型进行预测
Tensorflow 2训练模型成.pb文件
最新发布
03-20
<think>嗯，用户想知道如何在TensorFlow 2中将训练好的模型保存为.pb文件。首先，我得回忆一下TensorFlow 2中的模型保存方法。记得在TF2里，主要推荐使用SavedModel格式，但用户明确想要.pb文件，可能需要更具体的步骤。 首先，SavedModel格式包含一个.pb文件和一个variables目录，但用户可能只需要单一的.pb文件。这时候可能需要将模型保存为冻结的GraphDef，也就是将变量转换为常量，这样就不需要variables目录了。这时候应该使用tf.compat.v1.graph_util.convert_variables_to_constants函数，把变量固定下来，然后保存成.pb文件。 不过用户可能对TF1和TF2的API差异不太清楚，需要指出在TF2中默认是Eager Execution，所以可能需要禁用Eager模式，或者使用tf.function来构建计算图。另外，使用tf.saved_model.save和tf.saved_model.load也是常见的方法，但生成的是包含.pb的目录，而不是单一的.pb文件。这时候可能需要从SavedModel中提取出.pb文件，或者直接保存为冻结的模型。 另外，用户提供的引用里提到，pb文件中的参数是tf.constant，不会存在variables里。所以正确的步骤应该是先保存为SavedModel，然后转换变量为常量，再保存为.pb。或者直接在保存时转换。 还要注意代码示例是否正确，比如是否需要使用tf.compat.v1的API，因为在TF2中有些API被移动了。比如，Saver在TF2中可能已经被取代，需要用新的方法。 总结一下步骤应该是：训练模型，转换为具体函数，冻结变量，保存为.pb。同时可能需要处理会话的问题，因为TF2默认不开启会话，但有些冻结变量的操作可能需要会话。这时候可能需要混合使用TF1和TF2的API，或者使用tf.compat.v1来保持兼容性。 另外，用户提供的引用中有提到使用SavedModel的loader来恢复模型，这可能和保存过程相关，但用户的问题是关于保存，所以需要专注于保存步骤。同时，引用4中提到h5转pb和saved_model转pb的方法，可能涉及到转换工具的使用，比如使用tensorflow的转换脚本。 最后，确保给出的代码示例在TF2环境下可以运行，并且解释清楚每个步骤的作用，比如为什么要用concrete_function，如何将变量转为常量等。可能还需要提醒用户注意路径和版本兼容性问题。</think>在TensorFlow 2中保存模型为`.pb`文件，可通过以下两种方法实现： --- ### 方法1：使用`SavedModel`格式直接保存 TensorFlow 2默认推荐使用`SavedModel`格式，其包含一个`.pb`文件（模型结构）和变量目录（模型参数）： ```python import tensorflow as tf # 假设model是已训练好的模型 model = tf.keras.models.Sequential([...]) # 保存为SavedModel格式 tf.saved_model.save(model, "/path/to/saved_model_dir") # 生成的.pb文件路径为： # /path/to/saved_model_dir/saved_model.pb ``` 此方法会**自动生成完整的模型结构文件**，但需要配合变量目录使用[^2][^4]。 --- ### 方法2：冻结为单一`.pb`文件（无变量） 若需独立`.pb`文件（将参数固化到图中），需使用**变量冻结技术**： ```python import tensorflow as tf from tensorflow.python.framework.convert_to_constants import convert_variables_to_constants_v2 # 1. 定义模型并训练 model = tf.keras.models.Sequential([...]) model.compile(...) model.fit(...) # 2. 转换为具体函数 full_model = tf.function(lambda x: model(x)) full_model = full_model.get_concrete_function( tf.TensorSpec(model.inputs[0].shape, model.inputs[0].dtype)) # 3. 冻结变量为常量 frozen_func = convert_variables_to_constants_v2(full_model) graph_def = frozen_func.graph.as_graph_def() # 4. 保存为.pb文件 with tf.io.gfile.GFile('/path/to/model.pb', 'wb') as f: f.write(graph_def.SerializeToString()) ``` 此方法将模型参数**直接嵌入计算图**，无需额外变量文件[^2]。 --- ### 关键区别 | 方法 | 文件组成 | 参数存储方式 | 使用场景 | |------------|--------------------|---------------------|------------------| | SavedModel | .pb + variables/ | 分离存储（变量目录）| 完整模型保存 | | 冻结模型 | 单一.pb文件 | 固化到图中 | 部署/跨平台使用 | ---
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值