tensorboard ckpt pb 模型的输出节点_[深度学习] TensorFlow中模型的freeze_graph

在TensorFlow中模型的保存和调用，相信大家都不会陌生，使用关键语句saver = tf.train.Saver()和saver.save()就可以完成。

但是，不知道大家是否了解，tensorflow通过checkpoint这一种格式文件，是将模型的结构和权重数据分开保存的，这就造成了一些使用场景下的不方便。

所以，我们需要一种方式将模型结构和权重数据合并在一个文件中，tensorflow提供了freeze_graph函数和pb文件格式，来解决这一问题。

这些模型文件是做什么的

在save之后，模型会保存在ckpt文件中，checkpoint文件保存了一个目录下所有的模型文件列表，events文件是给可视化工具tensorboard用的。

和保存的模型直接相关的是以下这三个文件：

• .data文件保存了当前参数值
• .index文件保存了当前参数名
• .meta文件保存了当前图结构

当你使用saver.restore()载入模型时，你用的就是这一组的三个checkpoint文件。

但是，当我们需要将模型和权重整合成一个文件时，我们就需要以下的操作了。

如何使用freeze_graph生成PB文件

tensorflow提供了freeze_graph这个函数来生成pb文件。以下的代码块可以完成将checkpoint文件转换成pb文件的操作：

1. 载入你的模型结构，
2. 提供checkpoint文件地址
3. 使用tf.train.writegraph保存图，这个图会提供给freeze_graph使用
4. 使用freeze_graph生成pb文件

import 

在以上的程序运行之后，./pb_model/文件夹中就会出现frozen_model.pb文件，这是我们可以使用的模型结构和权重整合过的pb文件。

freeze_graph总共有11个参数，以下逐一介绍下，供大家参考：

1. input_graph：模型文件，可以是二进制的pb文件，或文本的meta文件，用input_binary来指定区分。我们的例子中，使用了二进制的pb文件，对应input_binary就是False
2. input_saver：Saver解析器，主要用于版本不兼容时使用。通常为空，为空时用当前版本的Saver
3. input_binary：配合input_graph用，为true时，input_graph为二进制，为false时，input_graph为文件。默认值是False
4. input_checkpoint：checkpoint文件地址
5. output_node_names：输出节点的名字，有多个时用逗号分开，我们的输出节点是'out'，这是我们使用flow = tf.cast(flow, tf.int8, 'out')将模型的输出节点命名为out。如果没有这一步的操作，我们可以找到模型的输出节点名是什么，并且在这一参数中对应。
6. restore_op_name：从模型恢复节点的名字，一般使用默认：save/restore_all
7. filename_tensor_name：一般使用默认：save/Const:0
8. output_graph：用来保存整合后的模型输出文件，即pb文件的保存地址
9. clear_devices：指定是否清除训练时节点指定的运算设备（如cpu、gpu、tpu。cpu是默认），默认True
10. initializer_nodes：默认空。权限加载后，可通过此参数来指定需要初始化的节点，用逗号分隔多个节点名字。
11. variable_names_blacklist：默认空。变量黑名单，用于指定不用恢复值的变量，用逗号分隔多个变量名字。