本教程第五部分介绍如何保存TensorFlow对象检测API训练的检查点模型为.pb文件，并部署到项目中。首先，将模型 checkpoint 转换为 .pb 文件，然后在Python项目中创建一个交通灯分类器类，利用会话进行图像分类，返回边界框、分数和类别。模型结果按分数降序排列，设定阈值过滤低分结果。
TensorFlow 对象检测 API 教程 - 第5部分：保存和部署模型
在本教程的这一步，认为已经选择了预先训练的对象检测模型，调整现有的数据集或创建自己的数据集，并将其转换为 TFRecord 文件，修改模型配置文件并开始训练。但是，现在需要保存模型并将其部署到项目中。
一. 将检查点模型 （.ckpt） 保存为 .pb 文件
回到 TensorFlow 对象检测文件夹，并将 export_inference_graph.py 文件复制到包含模型配置文件的文件夹中。
python export_inference_graph.py --input_type image_tensor --pipeline_config_path 
最低0.47元/天 解锁文章
255
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
