tensorflow的模型理解及freeze

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)