tensorboard ckpt pb 模型的输出节点_Tensorflow模型文件固化

当我们拿到别人训练后保存的模型文件后，如果需要通过C++接口部署模型的话，一般情况下都需要将模型固化并保存为pb格式。友好的Tensorflow提供了相关的固化命令脚本，下面以 .meta 格式的固化为例说明使用的方式。

一、文件内容

用 tf.train.Saver.save() 方式保存下来的checkpoint会产生四个文件：

• checkpoint

记录了部分已存储和最近存储的模型：

• model.ckpt.data-00000-of-00001

保存了模型的所有变量的值，TensorBundle集合。

• model.ckpt.index

string-string的映射表，映射表的key值为tensor名，value为tensor的metadata。

• model.ckpt.meta

保存了graph结构，包括 GraphDef、SaverDef等，当存在meta文件，我们可以不需要在代码中定义模型结构，直接读取meta文件中的模型结构即可；而如果没有meta文件，则需要写好构建模型结构的代码，再加载data文件，得到变量值。

二、固化命令

问题一、可能遇到的错误

UnicodeDecoderError: 'utf-8' codec can't decode byte 0xd8 in position 1: invalid continuation byte

解决：传入参数 --input_binary=True

问题二、当我们手上只有别人训练好的模型文件时，如何确定输入参数中的--output_node_name呢？

最直观的方式是使用TensorBoard查看图结构，步骤如下：

(1)从.meta文件生成Tensorboard所需的log，可以通过以下代码生成，运行脚本后在log目录下生成events.out.tfevents.xxx文件。

(2)在Windows下通过cmd命令行启动Tensorboard。

(3)浏览器打开显示的网址，通过可视化的图结构可以清楚地看到输入和输出节点的名字。