tensorflow的pb模型转为onnx模型

已于 2024-04-25 15:38:05 修改
阅读量1.1w 收藏 28
点赞数 7
文章标签： tensorflow 深度学习 人工智能
于 2022-01-28 14:01:14 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43836242/article/details/122730148
版权
本文介绍如何使用Tf2onnx工具将TensorFlow模型转换为ONNX模型，包括安装配置、模型转换命令及参数说明，并提供了解决常见问题的方法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

        tensorflow模型转为onnx模型的工具:Tf2onnx

        git源码：https://github.com/onnx/tensorflow-onnx

1、python和tensorflow版本要求

         Python版本：3.6

        Tensorflow版本：1.13

2、Tf2onnx安装

pip install -U tf2onnx

3、模型转换

python -m tf2onnx.convert --graphdef saved_model.pb --output model.onnx --inputs input/audio/preprocessed:0 --outputs output/softmax:0

参数说明：

-graphdef：需要进行转换的pb模型

--output：转换后的onnx模型名称

-inputs：pb模型输入层的名字

--outputs：pb模型输出层的名字

（模型输入名称见4）

4、summarize graph tool

        查看pb模型输入输出的工具

1）安装

        下载tensorflow源码：Git：https://github.com/tensorflow

        安装bazel：下载：bazel-4.0.0-installer-linux-x86_64.sh

                            地址：Index of bazel-local/4.0.0

                            执行命令：chmod +x bazel-<version>-installer-linux-x86_64.sh

                                              ./bazel-<version>-installer-linux-x86_64.sh

2）使用

在下载的tensorflow源码中分别执行：

bazel build tensorflow/tools/graph_transforms:summarize_graph

bazel-bin/tensorflow/tools/graph_transforms/summarize_graph 
--in_graph=tensorflow_inception_graph.pb

输出的即为模型的输入输出层模型名称

eg：

 

5.可能出现的问题

 解决：不使用带输入输出层名称的参数

             将模型当道tmp_model文件夹中，然后执行：

python -m tf2onnx.convert --saved-model tmp_model --output simbert.onnx --opset 13

6.直接从ckpt模型转换为onnx模型

        但是需要知道输入和输出层名字，多个输入用逗号隔开

python -m tf2onnx.convert --checkpoint ckpt/model.ckpt.meta --inputs input1:0,input2:0,input3:0 --outputs output:0 --output model.onnx --opset 13

summer>_<
关注
pytorch 模型转onnx；onnx再转pb
weixin_42357472的博客
04-16 1648
1、pytorch 模型转onnx import torchvision import torch.onnx import torch.nn as nn # Standard ImageNet input - 3 channels, 224x224, # values don't matter as we care about network structure. # But they can also be real inputs. dummy_input = torch.randn(1, 3, 22
tensorflow-onnx：将TensorFlow模型转换为ONNX
02-06
tf2onnx-将TensorFlow模型转换为ONNX。 构建类型 操作系统 Python 张量流 Onnx Opset 状态 单元测试-基本 Linux，MacOS * ，Windows * 3.6、3.7、3.8 1.12-1.15、2.1-2.4 7-13 单元测试-完整 Linux，MacOS，Windows 3.6、3.7、3.8 1.12-1.15、2.1-2.4 7-13 支持的版本 ONNX tensorflow-onnx将使用系统上安装的ONNX版本，如果未找到，则安装最新的ONNX版本。 我们支持ONNX opset-6至opset-13。 默认情况
Tensorflow模型转换onnx模型
Qiming的博客
07-03 716
Tensorflow模型转换为onnx模型
2025最新在线模型转换工具onnx转换ncnn，mnn，tengine等
2503_90221393的博客
02-02 4890
2025年最新免费在线模型转换网址支持ncnn mnn tengine onnx 支持模型优化 量化
pb/h5/torch转onnx
weixin_37699342的博客
04-14 449
,),
深度学习模型转换（pb,onnx,pth,pkl）
qq_43585355的博客
10-24 1294
深度学习模型之间的转换
keras模型转换onnx模型
Qiming的博客
07-03 495
1.keras一般先转换为tensorflow的pb格式，然后再使用tf2onnx转换。
将tensorflow 1.x & 2.x转化成onnx文件（以arcface-tf2人脸识别模型为例）
qq_33934427的博客
03-28 7583
将tensorflow 1.x & 2.x转化成onnx文件 文章目录将tensorflow 1.x & 2.x转化成onnx文件一、tensorflow 1.x转化成onnx文件1、ckpt文件生成2、打印权重参数名称3、ckpt文件转pb4、ckpt文件转onnx（--checkpoint）二、tensorflow 2.x转化成onnx文件1、ckpt转savemodel（pb）1）错误用法（不能冻结权重生成pb）2）正确用法（saved_model）2、pb转onnx3、小总结（★★★
tensorflow转onnx模型
comway_Li的博客
02-20 7120
一、准备相应的库 tensorflow当然是要的。 安装onnx-tensorrt git clone https://github.com/onnx/onnx-tensorflow.git && cd onnx-tensorflow && pip install -e . 二、转pb文件 一般来说的模型导出方法会将网络信息与权重信息分开存储在不同文件当中，比如ckpt,meta等文件这在部署时候不是很方便。官方提供了一种Fre...
tensflow模型转onnx实践
XD的博客
04-03 2055
TensorFlow™是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief [1]。Tensorflow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究 [1-2]。
pb转onnx
风华正茂的博客
09-27 4445
工具下载tensorflow-onnx 按照步骤安装 主要依赖的库文件 tensorflow tf2onnx==1.10.0 onnx>1.5 测试时：onnxruntime >1.4.0 python -m tf2onnx.convert --input ./pb/xxx.pb --inputs normalized_input_image_tensor:0 --outputs normalized_input_image_tensor:0,raw_outputs/class_predict
Tensorflow转ONNX
Custom自定义
06-10 6627
参考文章： https://github.com/onnx/tutorials/blob/master/tutorials/OnnxTensorflowExport.ipynb https://www.jianshu.com/p/8ec3a6c9c453 使用TensorFlow框架训练模型，然后导出为ONNX格式，一般需要经历以下几个步骤： 训练（Training） 转PB文件（Graph Freezing） 模型格式转换（Model Conversion） 训练（Training） .
tflite2onnx:将TensorFlow Lite模型（* .tflite）转换为ONNX
05-03
tflite2onnx-将TensorFlow Lite模型转换为ONNX tflite2onnx将TensorFlow Lite（TFLite）模型（ *.tflite ）转换为ONNX模型（ *.onnx ），并正确处理了数据布局和量化语义（有关详细信息，请*.onnx）。 强调 如果您想将TensorFlow模型（冻结图*.pb ， SavedModel或其他格式）转换为ONNX，请尝试 。 或者，您可以先将其为TFLite（ *.tflite ）模型，然后再将TFLite模型转换为ONNX。 微软在tf2onnx实现了另一个TensorFlow Lite至ONNX模型转换器（我们于2020年5月开源tflite2onnx ）。 tf2onnx似乎能够像我们一样转换量化，并且似乎能够转换尚不支持的RNN网络。 如果tflite2onnx缺少任何功能，请尝试tf2onnx --t
TensorFlow2.x模型转onnx、TensorRT
whaosoft143ai的博客
02-22 1678
对于上述应用场景，精度、性能以及模型部署的可迁移性都是在算法设计实现过程中需要重点考虑的因素，为了提高算法效率，同时增强模型的可移植性，本文探究了如何将基于TensorFlow2.x框架训练的模型转换成通用性较强的onnx静态图模型，以及推理效率较高的TensorRT模型。通过上述步骤即完成了TensorFlow2.x从.h5到TensorRT的.engine转换。这里探究了如何将基于TensorFlow2.x框架训练的模型转换成通用性较强的onnx静态图模型，以及推理效率较高的TensorRT模型。
onnx模型转tensorflow的pb格式
Oliver_jiang的博客
08-26 7849
onnx模型转tensorflow的pb格式 遇到了很多坑，最常见的就是少了什么模块，或某个模块没有啥属性， 如: module ‘tensorflow’ has no attribute ‘ceil’ 记录一下现在转换成功的方式， 首先：git clone https://github.com/onnx/onnx-tensorflow.git 之后在终端安装： pip install -e. pip install tensorflow-addons 都安装好了后就可以直接在终端转换了： onnx-tf
tensorflow入门教程(五十一)tensorflow转ONNX使用教程(Python)
爱她就要努力
06-17 3156
tensorflow入门教程 https://blog.csdn.net/rookie_wei/category_7629810.html # #作者：韦访 #博客：https://blog.csdn.net/rookie_wei #微信：1007895847 #添加微信的备注一下是CSDN的 #欢迎大家一起学习 # ---- 韦访20190813 1、概述 关于ONNX的介绍，请自行百度。现在很多深度学习框架都支持了ONNX，方便了模型的部署和在各个框架之间
tensorflow-trt2onnx：pb文件转onnx
sinat_39307513的博客
02-05 1317
出现错误 1、ValueError: StridedSlice: only strides=1 is supported 解决方法：加上--opset 10 例如： python3 -m tf2onnx.convert --graphdef ×××.pb --output ×××.onnx --inputs images:0 --outputs Softmax:0--opset 10
TensorFlow模型转ONNX格式-Part1
Blssel的博客
08-02 4633
TensorFlow模型转ONNX格式-官方示例 https://github.com/onnx/tutorials/blob/master/tutorials/TensorflowToOnnx-1.ipynb ——Translated by Blssel 前言 对Tensorflow和ONNX来说，虽然它们使用的是不同的计算图格式，但你可以使用Tensorflow-ONNX将一个Tensorflow模型转化为ONNX。本文将分为两个部分：第1部分介绍基本的转换方法，第2部分讨论更高级的话题。目录可以概括如
在NVIDIA Jetson Xavier NX上把yolov4-deepsort的模型pb模型使用tensorflow-onnx和onnx-tensorrt工具最终转换为tensorrt模型
求真、务实
10-28 5219
https://github.com/onnx/onnx-tensorrt/issues/385 git clone -b 6.0 --single-branch https://github.com/onnx/onnx-tensorrt.git cd onnx-tensorrt/ # Should resolve your "does not contain a CMakeLists.txt" error git submodule update --init --recursive # Skip thi
onnx转pb
最新发布
03-30
<think>好的，用户想将ONNX模型转换为TensorFlow的PB格式，我需要详细回答方法和工具。首先，我得回忆一下之前看到的引用内容。引用1、3提到了使用onnx-tf库的prepare和export_graph方法，用户可能需要安装这个库。另外，引用2是关于TensorFlow转ONNX，可能不太相关，但要注意别混淆。 用户可能对Python环境配置不太熟悉，所以应该给出安装步骤，比如安装onnx和onnx-tf。然后分步骤说明如何加载ONNX模型，准备TensorFlow表示，最后导出为PB文件。代码示例很重要，用户可以直接复制使用。还要注意路径问题，提醒用户替换自己的模型路径。 另外，常见问题比如环境冲突，可能需要提醒用户版本兼容性。转换后的验证步骤也很重要，比如加载PB模型并进行推理测试。有没有其他工具？比如命令行工具，但引用里提到的可能需要补充。 需要确保步骤清晰，避免技术术语过多，让用户容易跟随。最后生成相关问题，覆盖转换失败、验证方法和其他转换工具等，这样用户能进一步解决问题。</think>### 分步说明：ONNX模型转TensorFlow PB格式 #### 方法一：使用`onnx-tf`库（推荐） 1. **安装依赖库** 需安装`onnx`和`onnx-tensorflow`（即`onnx-tf`）： ```bash pip install onnx onnx-tf tensorflow ``` 注意：TensorFlow版本需与`onnx-tf`兼容（推荐TensorFlow≥2.4）[^1][^3]。 2. **编写转换代码** 创建Python脚本（如`convert_onnx_to_pb.py`），内容如下： ```python import onnx from onnx_tf.backend import prepare import os def onnx_to_pb(onnx_path, pb_path): # 加载ONNX模型 onnx_model = onnx.load(onnx_path) # 转换为TensorFlow表示 tf_rep = prepare(onnx_model) # 导出为PB格式 tf_rep.export_graph(pb_path) if __name__ == "__main__": onnx_path = "your_model.onnx" # 替换为实际路径 pb_path = "output_model.pb" # 输出路径 os.makedirs(os.path.dirname(pb_path), exist_ok=True) onnx_to_pb(onnx_path, pb_path) ``` 3. **执行转换** 运行脚本： ```bash python convert_onnx_to_pb.py ``` #### 方法二：命令行工具（需配置环境） 若已安装`tf2onnx`工具包，可通过以下命令快速转换： ```bash python -m tf2onnx.convert --saved-model <ONNX模型路径> --output <PB输出路径> --opset 13 ``` 需注意`--opset`参数需与原始ONNX模型版本匹配[^2]。 #### 验证转换结果 转换完成后，可通过TensorFlow加载PB模型验证： ```python import tensorflow as tf # 加载PB模型 model = tf.saved_model.load("output_model.pb") # 测试推理 print(list(model.signatures.keys())) # 应输出模型签名 ``` ### 常见问题处理 1. **依赖冲突** 若报错`ImportError`，尝试使用虚拟环境或指定版本： ```bash pip install onnx==1.10.0 onnx-tf==1.9.0 tensorflow==2.6.0 ``` 2. **算子不支持** 部分ONNX算子可能未被TensorFlow实现，需手动添加自定义层或使用`onnx-tf`的补丁分支。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值