新版本的tensorflow, 在训练完毕后,用tf.train.Saver保存模型的时候,一般文件夹中会出现四个类似字样的文件,如下:
checkpoint : 记录保存的模型的名字
graph.ckpt.data-00000-of-00001 : 保存所有变量的取值(权重,偏移等)
graph.ckpt.index:保存所有的变量名称
graph.ckpt.meta:保存计算图的结构
这样的模型组织形式,在c++部署中应用起来比不方便,需要将参数固化在图里,成为一个*.pb模型文件,下面是freeze的代码,请参考:
import os, argparse
import tensorflow as tf
dir = os.path.dirname(os.path.realpath(__file__))
def freeze_graph(model_folder):
checkpoint = tf.train.get_checkpoint_state(model_folder) #原始模型路径前缀名称
input_checkpoint = checkpoint.model_checkpoint_path
absolute_model_folder = "/".join(input_checkpoint.split('/')[:-1])
output_graph = "./video_lib" + "/frozen_model.pb" #输出的模型路径
output_node_names = "SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits" #指定所需要的输出层(节点的名称)
clear_devices = True
saver = tf.train.import_meta_graph(input_checkpoint + '.meta', clear_devices=clear_devices) #导入graph
graph = tf.get_default_graph()
#for op in graph.get_operations():
# print (op.name, op.values())
input_graph_def = graph.as_graph_def()
for node in input_graph_def.node: #输出每个节点的名称,可以查看,并确定上面的output_node_names
print node.name
with tf.Session() as sess:
saver.restore(sess, input_checkpoint) #恢复原始保存的模型到tensorflow的session中
output_graph_def = tf.compat.v1.graph_util.convert_variables_to_constants(sess, input_graph_def, output_node_names.split(",")) #转换变量为常量,并保存到graph中
with tf.gfile.GFile(output_graph, "wb") as f:
f.write(output_graph_def.SerializeToString())
print("%d ops in the final graph." % len(output_graph_def.node))
if __name__ == '__main__':
parser = argparse.ArgumentParser()
parser.add_argument("--model_folder", type=str, help="Model folder to export")
args = parser.parse_args()
freeze_graph(args.model_folder)