tensorflow checkpoint 转换 pb

1.问题

可以直接说的是，tensorflow在训练的时候可以直接保存为pb类型的文件。至于如何保存为pb类型格式，请自行百度。但有时候我们希望在已有的checkpoint类型的文件下想直接转换成pb也是有需求的。

那么ckpt类型和pb类型有什么区别呢？
ckpt：

这种方式有几个特点，

1. 这种模型文件是依赖 TensorFlow 的，只能在其框架下使用；
2. 在恢复模型之前还需要再定义一遍网络结构，然后才能把变量的值恢复到网络中。

pb：

1.谷歌推荐的保存模型的方式是保存模型为 PB 文件，它具有语言独立性，可独立运行，封闭的序列化格式，任何语言都可以解析它，它允许其他语言和深度学习框架读取、继续训练和迁移 TensorFlow 的模型；
2. 保存为 PB 文件时候，模型的变量都会变成固定的，导致模型的大小会大大减小，适合在手机端运行。

ckpt只能用在tensorflow的框架，pb可以使用在大多数的语言框架

2.如何转换

def freeze_graph(input_checkpoint, output_graph):
	'''
	:param input_checkpoint:
	:param output_graph: PB模型保存路径
	:return:
	'''
	# 指定输出的节点名称,该节点名称必须是原模型中存在的节点
	output_node_names = "CTCBeamSearchDecoder"
	saver = tf.train.import_meta_graph(input_checkpoint + '.meta', clear_devices=True)

	with tf.Session() as sess:
		saver.restore(sess, input_checkpoint)  # 恢复图并得到数据
		graph_def = tf.get_default_graph().as_graph_def()

		output_graph_def = graph_util.convert_variables_to_constants(  # 模型持久化，将变量值固定
				sess=sess,
				input_graph_def=graph_def,  # 等于:sess.graph_def
				output_node_names=output_node_names.split(","))  # 如果有多个输出节点，以逗号隔开

		with tf.gfile.GFile(output_graph, "wb") as f:  # 保存模型
			f.write(output_graph_def.SerializeToString())  # 序列化输出
		print("%d ops in the final graph." % len(output_graph_def.node))  # 得到当前图有几个操作节点