import tensorflow as tf
from tensorflow.python.framework import graph_util
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
# 直接用最后输出的节点,可以在tensorboard中查找到,tensorboard只能在linux中使用
input= "input"
output_node_names = "output"
saver = tf.train.import_meta_graph(input_checkpoint + '.meta', clear_devices=True)
graph = tf.get_default_graph() # 获得默认的图
input_graph_def = graph.as_graph_def() # 返回一个序列化的图代表当前的图
print(input_graph_def)
with tf.Session() as sess:
saver.restore(sess, input_checkpoint) #恢复图并得到数据
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=input_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
freeze_graph('./model/classify.ckpt-0',"classify.pb")
TF ckpt转pb脚本
最新推荐文章于 2024-07-08 08:22:55 发布
本文详细介绍了如何使用 TensorFlow 工具将 CKPT 模型权重转换为 protobuf (PB) 文件,便于部署和离线使用。首先,通过 TensorFlow 的 `freeze_graph` 工具将 CKPT 文件冻结成 GraphDef 格式,然后将其导出为 PB 文件。转换过程包括加载 CKPT,构建输入和输出节点,最后执行转换操作。
摘要由CSDN通过智能技术生成