ckpt转pb，batch normalzition 出现的ValueError问题

出现的问题：

如果是有batch normalzition，或者残差网络层，会出现：

ValueError: Input 0 of node vgg_16/conv1/conv1_1/BatchNorm/cond_1/AssignMovingAvg/Switch was passed float from vgg_16/conv1/conv1_1/BatchNorm/moving_mean:0 incompatible with expected float_ref.

类似问题

则需要在restore模型后加入：

 
 

   
   

    
    

   
   
   
   

    
    

     
     # fix batch norm nodes
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     for node 
     
     in gd.node:
    
    
   
   

   
   

    
    

   
   
   
   

    
    
  
     
     if node.op == 
     
     'RefSwitch':
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         node.op = 
     
     'Switch'
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     for index 
     
     in xrange(len(node.input)):
    
    
   
   

   
   

    
    

   
   
   
   

    
    
      
     
     if 
     
     'moving_' 
     
     in node.input[index]:
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             node.input[index] = node.input[index] + 
     
     '/read'
    
    
   
   

   
   

    
    

   
   
   
   

    
    
  
     
     elif node.op == 
     
     'AssignSub':
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         node.op = 
     
     'Sub'
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     if 
     
     'use_locking' 
     
     in node.attr: 
     
     del node.attr[
     
     'use_locking']
    
    
   
   
 
 

参考：https://github.com/tensorflow/tensorflow/issues/3628

参考：https://www.cnblogs.com/bonelee/p/8445261.htm

 

1，这段代码可以加在ckpt2pb里面

2，也可以加在使用pb模型时候

tf.import_graph_def

之前。

 

附：ckpt2pb.py 参考

 
 

   
   

    
    

   
   
   
   

    
    

     
     # -*- coding: utf-8 -*-
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     """
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     Created on Mon Aug 27 15:26:44 2018
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     @author: me
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     """
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #https://blog.csdn.net/michael_yt/article/details/74737489
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #https://blog.csdn.net/yjl9122/article/details/78341689
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import tensorflow 
     
     as tf
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import os.path
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import argparse
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     from tensorflow.python.framework 
     
     import graph_util
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     MODEL_DIR = 
     
     "D:/T_mytest/clsTest/checkpoint/pb"
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     MODEL_NAME = 
     
     "frozen_model.pb"
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     if 
     
     not tf.gfile.Exists(MODEL_DIR): 
     
     #创建目录
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         tf.gfile.MakeDirs(MODEL_DIR)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     def freeze_graph(model_folder):
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         checkpoint = tf.train.get_checkpoint_state(model_folder) 
     
     #检查目录下ckpt文件状态是否可用
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         input_checkpoint = checkpoint.model_checkpoint_path 
     
     #得ckpt文件路径
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         output_graph = os.path.join(MODEL_DIR, MODEL_NAME) 
     
     #PB模型保存路径
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     #output_node_names = "predictions" #原模型输出操作节点的名字
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         output_node_names = 
     
     "predicted_val_top_k,predicted_index_top_k" 
     
     #原模型输出操作节点的名字
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         saver = tf.train.import_meta_graph(input_checkpoint + 
     
     '.meta', clear_devices=
     
     True) 
     
     #得到图、clear_devices ：Whether or not to clear the device field for an `Operation` or `Tensor` during import.
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         graph = tf.get_default_graph() 
     
     #获得默认的图
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         input_graph_def = graph.as_graph_def()  
     
     #返回一个序列化的图代表当前的图
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     with tf.Session() 
     
     as sess:
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             saver.restore(sess, input_checkpoint) 
     
     #恢复图并得到数据
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     #sess.run(tf.global_variables_initializer())
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     # fix batch norm nodes
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     for node 
     
     in input_graph_def.node:
    
    
   
   

   
   

    
    

   
   
   
   

    
    
          
     
     if node.op == 
     
     'RefSwitch':
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                 node.op = 
     
     'Switch'
    
    
   
   

   
   

    
    

   
   
   
   

    
    
            
     
     for index 
     
     in range(len(node.input)):
    
    
   
   

   
   

    
    

   
   
   
   

    
    
              
     
     if 
     
     'moving_' 
     
     in node.input[index]:
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                     node.input[index] = node.input[index] + 
     
     '/read'
    
    
   
   

   
   

    
    

   
   
   
   

    
    
          
     
     elif node.op == 
     
     'AssignSub':
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                 node.op = 
     
     'Sub'
    
    
   
   

   
   

    
    

   
   
   
   

    
    
            
     
     if 
     
     'use_locking' 
     
     in node.attr: 
     
     del node.attr[
     
     'use_locking']
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     #print ("predictions : ", sess.run("predictions:0", feed_dict={"input_holder:0": [10.0]})) # 测试读出来的模型是否正确，注意这里传入的是输出 和输入 节点的 tensor的名字，不是操作节点的名字
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             output_graph_def = graph_util.convert_variables_to_constants(  
     
     #模型持久化，将变量值固定
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                 sess,
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                 input_graph_def,
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                 output_node_names.split(
     
     ",") 
     
     #如果有多个输出节点，以逗号隔开
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             )
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     with tf.gfile.GFile(output_graph, 
     
     "wb") 
     
     as f: 
     
     #保存模型
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                 f.write(output_graph_def.SerializeToString()) 
     
     #序列化输出
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             print(
     
     "%d ops in the final graph." % len(output_graph_def.node)) 
     
     #得到当前图有几个操作节点
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     #for op in graph.get_operations():
    
    
   
   

   
   

    
    

   
   
   
   

    
    
            
     
     #print(op.name, op.values())
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     if __name__ == 
     
     '__main__':
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         parser = argparse.ArgumentParser()
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         parser.add_argument(
     
     "--model_folder",default=
     
     "D:/T_mytest/clsTest/checkpoint", type=str, help=
     
     "input ckpt model dir") 
     
     #命令行解析，help是提示符，type是输入的类型，
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # 这里运行程序时需要带上模型ckpt的路径，不然会报 error: too few arguments
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         aggs = parser.parse_args()
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         freeze_graph(aggs.model_folder)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # freeze_graph("model/ckpt") #模型目录