关于tensorflow模型保存几种格式

ckpt

常规模型保存，模型结构，数据，运算图分开保存。常用在训练阶段使用。

h5

keras前端保存的模型格式，有两种，纯数据和数据+网络结构，可以被tf调用。可以用软件查看内部数据，并进行修改。

pb

用于移动端端/server端都有使用，包括结构+数据，不可以修改内部，也就是为什么叫做凝固图了。可以做量化模型处理，目前只支持int8和float16两种格式量化。

pbtxt

pb的扩展格式，可以被修改内容，用记事本就可以修改。

tflite

一种实验的数据格式，也叫轻量化模型，多用于手机，平板，树莓派之类的边缘设备。可以用轻量级的`tflite_runtime`包来调用。

支持int8和float16两种格式量化。

说明  

pb和tflite都可以做模型量化，pb量化用到tensorflow-serving服务器，好像量化后，只能在linux短的tf调用，而tflite轻量化-量化用到移动端，在ios系统上调用好像要经过处理，要不会报错。

import tensorflow as tf
 
saved_model_dir = "./pb_model"
 
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir,
                                                     input_arrays=["inputs"],
                                                     input_shapes={"inputs": [1, 784]},
                                                     output_arrays=["predictions"])
converter.optimizations = ["DEFAULT"]  
converter.post_training_quantize = True  # 就这个行
tflite_model = converter.convert()
open("tflite_model_v3/eval_graph.tflite", "wb").write(tflite_model)