如何在TF2中使用TF1.x的.pb模型

最新推荐文章于 2024-06-09 11:30:05 发布
最新推荐文章于 2024-06-09 11:30:05 发布
阅读量2.3k 收藏 5
点赞数 1
分类专栏： Tensorflow
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。
本文链接：https://blog.youkuaiyun.com/dupei/article/details/108652019
版权
本文介绍了如何在TensorFlow 2.x环境中加载和使用TensorFlow 1.x的.pb模型文件。尽管直接加载的.pb模型仅限于推理，但提供了相关参考链接以帮助理解迁移过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在TF1.x中，使用冻结的.pb模型方法比较简单，可以参看：https://editor.youkuaiyun.com/md/?articleId=103403309

随着TF2的推进，以后，用TF2的也会越来越多。但是，有时候还是会需要在TF2中使用到TF1.x的模型。对于.pb模型的使用，该如何做呢？直接上code

def wrap_frozen_graph(graph_def, inputs, outputs, print_graph=False):
    def _imports_graph_def()
最低0.47元/天 解锁文章
基于tf2.x的keras训练的模型转成tf1.x版本
CaiBaCai
08-31 1134
基于tf2.x的keras训练的模型转成tf1.x版本写在前面第一步：保证在tf1.x环境下正确导入tf2.x的权重在TF2.x只保存模型的权重在TF1.x下定义模型结构并导入TF2.x保存的权重第二步，转成TF1.x的saved_model 写在前面 我训练使用的是TF2.3，部分业务场景需要将模型转到TF1.14版本进行部署。 训练的模型是基于keras的预训练，外加自己添了一点东西。 TF2.x的模型转到TF1.x之后存在精度损失，因模型而异。 第一步：保证在tf1.x环境下正确导入tf2.x的权重
tensorflow保存数据为.ｐｂ格式和加载ｐｂ文件
热门推荐
fu6543210的博客
05-16 6万+
最近接触了ｔｅｎｓｏｒｆｌｏｗ的ｏｂｊｅｃｔ　ｄｅｔｅｃｔｉｏｎ　ＡＰＩ发现里面读取的预先训练模型都是ｐｂ格式。谷歌推荐的保存模型的方式是保存模型为 PB 文件，它具有语言独立性，可独立运行，封闭的序列化格式，任何语言都可以解析它，它允许其他语言和深度学习框架读取、继续训练和迁移 TensorFlow 的模型。它的主要使用场景是实现创建模型与使用模型的解耦， 使得前向推导 inference的代码...
tensorflow 2.0模式下训练的模型转成 tf1.x 版本的pb模型实例
12-17
升级到tf 2.0后, 训练的模型想转成1.x版本的.pb模型, 但之前提供的通过ckpt转pb模型的方法都不可用(因为保存的ckpt不再有.meta)文件, 尝试了好久, 终于找到了一个方法可以迂回转到1.x版本的pb模型. Note: 本方法首先有些要求需要满足: 可以拿的到模型的网络结构定义源码 网络结构里面的所有操作都是通过tf.keras完成的, 不能出现类似tf.nn 的tensorflow自己的操作符 tf2.0下保存的模型是.h5格式的,并且仅保存了weights, 即通过model.save_weights保存的模型. 在tf1.x的环境下, 将tf2.0保存的weights
TF1.x和TF2.x版本训练的PB模型转Tflite
xu.hyj
09-13 2148
0.前言 pb转tflite分为tf1.x和tf2.x 1. TF2.x版本得PB转tflite 2.0及以上版本得转换移步TensorFlow Lite 转换器，注意：这是假定您已安装 TensorFlow 2.x 并在 TensorFlow 2.x 中训练了模型。 1. TF1.x版本得PB转tflite 环境tensorflow-gpu=1.15（训练和转换环境都是），所以使用tflite_convert命令行工具。该工具嵌入在tensorflow1.x>中，可以尝试在命令行中使用“tflite
将tf1训练的模型导入tf2进行推理
luanshaotong的博客
12-02 2629
最近做比赛遇到一个问题，tf1训练的模型提交后因为环境问题导致线上无法运行，故尝试线上用tf2进行推理。 步骤需要1.将tf1的.pd模型结构和ckpt存档导出。2.将模型结构和ckpt存档转化为.pd静态图（frozen graph）。3.使用tf2读取.pd静态图（frozen graph）进行推理 首先定义基于tf1的模型 import tensorflow.compat.v1 as tf tf.disable_v2_behavior() from tensorflow.python.to
读取pb模型进行预测
macunshi的专栏
01-10 1万+
本程序是解析一个tfrecord文件数据，然后调用训练好的pb模型文件去预测这些数据的类别，返回一个列表。 之前的训练程序和需要的数据到可以到这儿找：https://blog.csdn.net/macunshi/article/details/86220389 如果只想单独运行这一个程序，那么在此提供一个本地训练的模型和一个数据文件。 #encoding: utf-8 # p...
h5模型转为.kmodel/.tflite/.pb文件
08-03
要从H5转换为.pb，首先需要将H5模型加载到TensorFlow中，然后使用`tf.saved_model.save`函数保存模型。.pb文件可与其他工具（如TensorFlow Serving）配合使用，或者作为其他转换过程的输入，比如转换为TFLite或ONNX...
TensorFlow应用.pb文件保存和加载模型方法及相关注意事项
qq_34009929的博客
10-22 3728
一、.ckpt转.pb用于模型上线 .ckpt转.pb主要应用于将训练模型发布上线，.pb模型的跨平台和跨框架性能更好。这里由于在保存.pb模型前需要将模型变量freezing。在应用tensorflow训练模型时，输入数据的batch_size>1，直接保存.pb模型时会在inference阶段出现问题，所以需要从.ckpt转为.pb。在加载.ckpt时可以重新定义输入数据的batch_size=1，以解决该问题。应用步骤主要分为： 1.加载.ckpt并且.ckpt转.pb： (1)定义图模型
Tensorflow静态图pb（frozen graph）模型保存与调用
豆芽菜
12-08 3950
pb模型保存 基于tf2 model = ... # Convert Keras model to ConcreteFunction 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)) # Get frozen ConcreteFuncti
pb模型文件进行前向预测（亲测可用）
11-24
tensorflow训练网络模型 ，生成用于模型预测的pb模型文件，输入图片，进行前向预测
TensorFlow estimator加载pb模型预测TfRecord中的样本
Krse Lee的技术博客
03-16 3739
TensorFlow estimator加载pb模型预测TfRecord中的样本 最近在上一个模型，需要测试模型输出与线上server predict值的一致性，模型用到了高级API estimator以及tf record格式的数据，很多地方还不是很熟悉。为了测一致性我构造了一个只有一条样本的数据，然后想在本地加载模型export出来的pb格式文件，再load 数据输出预测值。在我的场景下是要捞...
tf pb模型 tornado 服务部署
weixin_40650252的博客
12-17 299
Service 脚本 """ NLG ckpt/pd model server """ from tornado.options import define, options import tornado.httpserver import tornado.ioloop import tornado.options import tornado.web import json import tensorflow as tf from tensorflow.compat.v1.train import N
【tensorflow】TF1.x保存与读取.pb模型写法介绍
十一月廿七风雨大作
06-20 6042
举例：模型定义如下模型保存代码模型加载代码用TF1.x保存模型时只需要保存模型的输入输出的变量（多输入就保存多个），不需要保存中间的变量；用TF1.x加载模型时只需要加载保存的模型，然后读一下输入输出变量（多输入就读多个），不需要初始化（反而会重置掉变量的值）。举例：模型定义如下。
tf2 freeze冻结为pb（支持单输入和多输入）
zzz123pp的博客
04-28 1327
tensorflow2.x 训练后的模型文件为 .data-00000-of-00001 和 .index，然后一般转化都是转化为pb模型和variables和assets文件，如下图所示 但是可能在某种场景，需要我们使用的是freeze graph，也就是以上三个文件冻结为一个pb文件。看到有人说训练时要转成.h5文件，这个方法我没试过，但是我的模型已经训完了，再训练太麻烦了，freeze方法如下。 单输入 首先通过 saved_model_cli 查看图中pb文件信息 根据输出信息可得，是单输入的模型
tf1加载tf2权重流程：
weixin_39087379的博客
10-22 283
tf1加载tf2权重流程： 1、获取到变量：var=get_variables(var_name) 或者tf.get_collection_ref(tf.GraphKeys.GLOBAL_VARIABLES)] 2、变量赋值 ： a=tf.assign(var,value) 或者 a=var.assign(value) 3、变量赋值生效： sess.run(a)
tensorflow1.x和tensorflow2.x的转换
saya21的博客
08-09 514
很多论文里的代码都是tensorflow1.x的版本，但是现在基本都用2.x了，把1.x版本改成2.x版本先看转换表，转换表里有的直接按转换表进行转换，比如添加compat.v1。 特殊的不能直接转换的，比如Hparams，它本质是一个字典，直接用字典使用就行了，将它的引用params.x改成params[x]。 实在不行只能百度看别人的方法了，能简单转换最好，但有些东西就是很难转换，最好别碰1.x版本，会带来不幸。 ...
SpringBoot2实战：TensorFlow模型加载指南——.pb文件解析
最新发布
DOUZHAOPENG1113的博客
06-09 318
.pb模型文件具有语言独立性，可独立运行，封闭的序列化格式，可使用任何语言解析。*.pb模型文件中变量是固定的(const)即模型中的变量值固定存储。*.pb模型文件使用过程中不会重新“学习”，即模型参数不变，保证了模型的稳定性。*.pb模型文件实现了庞大模型的瘦身，即该格式的模型尺寸较小主要用于移动端。基础阅读:[1](一)Tensorflow搭建神经网络[2](二)Tensorflow神经网络保存模型（持久化）[3](三)Tensorflow神经网络之模型载入及迁移学习[参考文献]
Tensorflow2.x---Keras 保存 .pb 模型文件 和 加载
weixin_40745221的博客
10-22 2441
​ tf.keras.models.save_model(r50_finetune,"model_save_path") ​
tf.keras.applications.mobilenetv2 生成 .pb
09-06
要使用tf.keras.applications.mobilenetv2模块生成.pb文件，可以按照以下几个步骤进行操作： 1. 导入所需的模块和库： ```python import tensorflow as tf from tensorflow.keras.applications.mobilenet_v2 import...
评论
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