如何将tensorflow训练好的参数冻结成pb文件

最新推荐文章于 2022-11-12 18:08:09 发布

路人K_

最新推荐文章于 2022-11-12 18:08:09 发布

阅读量1.3k

点赞数

分类专栏： tensorflow 文章标签： pb tensorflow 冻结 frozen train

本文链接：https://blog.csdn.net/kele_imon/article/details/94554557

版权

本文提供了将使用TensorFlow训练好的模型参数冻结为.pb文件的代码示例，便于后期部署和应用。详细解释将在后续文章中更新。

摘要由CSDN通过智能技术生成

# -*- coding: utf-8 -*-
import tensorflow as tf
import tensorflow.examples.tutorials.mnist.input_data as input_data
mnist = input_data.read_data_sets("E:/mnist/", one_hot=True)

def weight(shape):
    return tf.Variable(tf.truncated_normal(shape, stddev=0.1),#truncated_nomal表示从截断的正态分布中输出随机值，stddev是标准差，shape表示生成长量的维度。
                       name ='W')

def bias(shape):
    return tf.Variable(tf.constant(0.1, shape=shape) #bias的常数设置为0.1
                       , name = 'b')

def conv2d(x, W):
    return tf.nn.conv2d(x, W, strides=[1,1,1,1], #x是输入，W是filter，strides卷积时在图像每一维的步长，这是一个一维的向量，[ 1, strides, strides, 1]，第一位和最后一位固定必须是1
                        padding='SAME') #‘SAME’是考虑边界，不足的时候用0去填充周围，‘VALID’则不考虑

def max_pool_2x2(x):
    return tf.nn.max_pool(x, ksize=[1,2,2,1], 
                          strides=[1,2,2,