深入理解Tensorflow模型保存与载入(Ineception V3为例)

一、预备知识

（1）tensor : 符号化的句柄，指向操作的运算结果。 

（2）operation : 符号化的运算过程，即图中的节点。

（3）graph : 模型结构的流程图，tensor 和 operation 都是图中的对象。

（4）tf.gfile.FastGFile(path,decodestyle) 

         函数功能：实现对图片的读取。 

         函数参数：(1)path：图片所在路径 (2)decodestyle:图片的解码方式。(‘r’:UTF-8编码; ‘rb’:非UTF-8编码)。

import matplotlib.pyplot as plt 
import tensorflow as tf 

#tf.gfileGFile()函数：读取图像  
image_jpg = tf.gfile.FastGFile('dog.jpg','rb').read()  
image_png = tf.gfile.FastGFile('lizard.png','rb').read()  

with tf.Session() as sess:  

    image_jpg = tf.image.decode_jpeg(image_jpg) #图像解码
    print(sess.run(image_jpg))#打印解码后的图像（即为一个三维矩阵[w,h,3]）
    image_jpg = tf.image.convert_image_dtype(image_jpg,dtype=tf.uint8) #改变图像数据类型  

    image_png = tf.image.decode_png(image_png) 
    print(sess.run(image_jpg))
    image_png = tf.image.convert_image_dtype(image_png,dtype=tf.uint8)  

    plt.figure(1) 
    plt.imshow(image_jpg.eval())  
    plt.figure(2)  
    plt.imshow(image_png.eval())  

二、使用 Inception V3 做图像分类

# coding: utf-8
import tensorflow as tf
import os
import numpy as np
import re
from PIL import Image
import matplotlib.pyplot as plt

class NodeLookup(object):
    def __init__(self):
        label_lookup_path = 'inception_model/imagenet_2012_challenge_label_map_proto.pbtxt'
        uid_lookup_path = 'inception_model/imagenet_synset_to_human_label_map.txt'
        self.node_lookup = self.load(labe