Deeplearning4j - 使用nd4j导入tensorflow模型

最新推荐文章于 2024-08-06 09:11:39 发布

寒沧

最新推荐文章于 2024-08-06 09:11:39 发布

阅读量2.5k

点赞数 2

分类专栏： deeplearning4j DeepLearning4j

本文链接：https://blog.csdn.net/u011669700/article/details/80025161

版权

这篇博客介绍了如何利用Deeplearning4j的nd4j库导入和运行TensorFlow 1.4及更高版本的模型。文中详细展示了从读取模型文件、关联数据到进行预测和结果判断的过程。还提到了预览版目前仅支持CPU运行，不支持GPU加速，并提供了一个MINST手写数字分类模型的示例代码。

摘要由CSDN通过智能技术生成

Deeplearning4j - 使用nd4j导入tensorflow模型

在dl4j-example里面新增了模型导入的例子，这里简单的说一下。

在dl4j新版本的特性介绍：https://github.com/deeplearning4j/deeplearning4j-docs/blob/releasenotes_100a/releasenotes.md 中，对于nd4j的模型导入进行了特别强调。

ND4J: New Features

Technology preview of tensorflow import added (supports 1.4.0 and up)

其中一项就是对于tf模型的导入提供了功能预览版本，所支持的tf版本为1.4版本及其以上。

并于最近增加了导入tensorflow模型的示例代码，导入模型为 MINST 手写数字分类模型。从代码注释上面来看，因为是预览版本，目前只支持cpu运行，还不支持gpu的加速。

并且提供了如上的文件，用于本次示例的测试。

freeze_model_after.py 和 generate_model.py 是生成模型的 python 文件。
frozen_model.pb 为tensorflow的模型文件
input_*.csv 和 input_*.shape为配套的特征数据文件。csv文件存放的是特征数据，一个特征一行；shape文件保存的是输入模型时的形状。
prediction 文件同理，为预测的标签数据文件。

注：使用该示例的时候，最好 IDE 已经安装了的相对的 lombok 插件。

资源文件夹

 //Python code for this can be found in resources/import/tensorflow under generate_model.py and freeze_model_after.py
//Input node/Placeholder in this graph is names "input"
//Output node/op in this graph is names "output"
public final static String BASE_DIR = "i