TensorFlow快速转换Inception V3模型CKPT V2网络结构至V1

最新推荐文章于 2019-12-04 09:50:19 发布

KZ谈机器学习

最新推荐文章于 2019-12-04 09:50:19 发布

阅读量562

点赞数

分类专栏： Deep Learing 文章标签： Deep Learning TensorFlow VGGNet 人脸识别 Inception V3

本文链接：https://blog.csdn.net/qq_25982223/article/details/88953291

版权

本文介绍了如何将TensorFlow中Inception V3模型的CKPT V2格式转换为V1格式，强调了转换的简便性和V1格式在模型传播中的优势。提供了转换代码，并指出尽管转换不涉及复杂技术，但需要了解输出节点和网络源码。此外，提及PD格式在某些情况下可能更受欢迎。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文是基于VGGNet的图像分类模型而做。通常输出网络结构问题分为两类：CKPT和PD。其中CKPT V2是data包与index两者的集合，为了网络模型的便携性，我们认为CheckPoint V1与freeze掉的PD架构更适合于传播，在此默认大家对图像分类模型已有了解。

话不多说，先放代码：

import tensorflow as tf
from tensorflow.core.protobuf import saver_pb2

model_dir=''
prefix_path=model_dir+'image_model'
meta_file=prefix_path+'.meta'

with tf.Session() as sess:
    saver=tf.train.import_meta_graph(meta_file,clear_devices=True)
    
    for op in sess.graph.get_operations():
        print(op.name,op.values())
    
    saver.restore(sess,prefix_path)

    #注意的是tf.train.Saver里需要指定V1版本
    saver2=tf.train.Saver(write_version=saver_pb2.SaverDef.V1)

    saver2.save(sess,model_dir+'/ckpt/image_model.ckpt')

按照这个方法执行，下面一坨就是V2，上面是重新生成的V1。