【tensorflow】生成.pb文件

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 · 1.2w 阅读

26 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow

Saving, Freezing, Optimizing for inference, Restoring of tensorflow models

在训练完tensorflow模型后，会有三个文件：model-epoch_99.data-00000-of-00001，model-epoch_99.index，model-epoch_99.meta

1.tensorflowModel.ckpt.meta：Tenosrflow将图结构与变量值分开存储。文件.ckpt.meta包含完整的图结构。它包括GraphDef，SaverDef等。
2.tensorflowModel.ckpt.data-00000-of-00001：它包含的变量（重量，偏差，占位符，梯度，超参数等）的值。
3.tensorflowModel.ckpt.index：这是一个表，其中每个键是张量tensor的名称，其值是序列化的BundleEntryProto。

第一步先生成tensorflowModel.pbtxt文件。可以在测试程序中，执行完saver.restore之后，将graph保存为.pbtxt。

import resnet_multitask

def classify_model(images, class_num):
# images: 输入三通道彩色图
# class_num: 分类类别数目，用于定义网络最后的全连接层
    with slim.arg_scope(resnet_multitask.resnet_arg_scope(is_training=False)):
        logits, pre_heatmap, end_points = resnet_multitask.resnet_v2(images, class_num)

    return logits, pre_heatmap, end_points

restore_path = './checkpoint/model-epoch_99'

with tf.Session() as sess:
    input_x = tf.placeholder(tf.float32, shape=[None, w, h, c], name='input_x')
    logits,pre_heatmap,end_points = classify_model(input_x,class_num)

    saver = tf.train.Saver()
    saver.restor