tensflow java api_什么是Tensorflow Java Api`toGraphDef`在Python中的等价物？

我使用Tensorflow

Java Api将已创建的Tensorflow模型加载到JVM中.

这是我的简单scala代码：

import java.nio.file.{Files, Path, Paths}

import org.tensorflow.{Graph, Session, Tensor}

def readAllBytesOrExit(path: Path): Array[Byte] = Files.readAllBytes(path)

val graphDef = readAllBytesOrExit(Paths.get("PATH_TO_A_SINGLE_FILE_DESCRIBING_TF_MODEL.pb"))

val g = new Graph()

g.importGraphDef(graphDef)

val session = new Session(g)

val result: Tensor = session.runner().feed("input", image).fetch("output").run().get(0))

如何保存模型以使Session和Graph存储在同一文件中.如上面的“PATH_TO_A_SINGLE_FILE_DESCRIBING_TF_MODEL.pb”中所述.

描述here它提到：

The serialized representation of the graph, often referred to as a

GraphDef, can be generated by toGraphDef() and equivalents in other

language APIs.

其他语言API的等价物是什么？我觉得很明显

注意：我已经在tensorflow_serving下查看了mnist_saved_model.py,但通过该过程保存它会给我一个.pb文件和一个变量文件夹.当我尝试加载.pb文件时,我得到：java.lang.IllegalArgumentException：无效的GraphDef

最佳答案 目前使用tensorflow的Java API,我只发现了如何将图形保存为graphDef(即没有其变量和元数据).这可以通过将Array [Byte]写入文件来完成：

Files.write(Paths.get(modelDir, modelName), myGraph.toGraphDef)

这里myGraph是Graph class的java对象.

我建议使用此处定义的SavedModel api从Python API保存模型.它会将模型保存在一个文件夹中,该文件夹包含.pb文件中的序列化图形和文件夹中的变量.请注意您在scala / java代码中使用的tag_constants,以便使用变量加载模型.然后使用java api中的SavedModelBundle java类轻松加载带变量的图形和会话.它返回一个包含图形和包含变量值的会话的包装器：

val model = SavedModelBundle.load(modelDir, modelTag)

如果你已经尝试过这个,也许你可以分享你的代码,看看为什么它返回了一个无效的GraphDef.

另一个选项是冻结图形,即您将变量节点变为常量节点,因此.pb文件中的所有内容都是自包含的. Mores infos here为冷冻部分