TensorFlow模型导出，恢复，转换和api

模型导出
1、h5;
2、ckpt;
3、pb;
4、saved_model;

模型恢复
1、h5，从模型代码构建图，再导入权重;
2、ckpt，从模型代码构建图，再导入权重；或者载入meta_graph，再导入权重;
3、pb，直接载入frozen pb;
4、saved_model，直接载入saved_model;

模型转换
注：pb一般指的是frozen pb，常量化变量用于模型持久化；模型转换的过程中可以添加placeholder，可以用于输入图像的预处理，如resize等；
1、从h5转换成pb;(从模型代码构建图，再导入权重)
2、从h5转换成saved_model;
3、从ckpt转换成pb;(从模型代码构建图，再导入权重；或者载入meta graph，再导入权重)
4、从ckpt转换成saved_model;
5、从pb转换成pb;(直接载入pb，具有完整的网络结构，常量和常量化后的变量)
6、从pb转换成saved_model;
7、从saved_model转换为pb;

三种图（不包括keras的h5）的api
1、SavedModel
保存
tf.saved_model.builder.SavedModelBuilder保存saved_model；
导入
tf.saved_model.loader.load加载saved_model；

2、GraphDef
保存
先使用tf.graph_util.convert_variables_to_constants将Variables常量化，再使用tf.train.write_graph，或者tf.gfile.FastGFile，或者tf.gfile.Gfile保存模型；
导入
tf.import_graph_def

3、CheckPoint
保存
Save
导入
1、先用Import_meta_graph来导入graph，之后再saver.restore()；
2、重新建立graph，把tensor传入结构的过程再写一遍，然后再saver.restore()；