Tensorflow模型通常有大量的参数,找到并且保存所需要的参数到一个单独文件以便后续可以使用(如图表graph,权重weights等),将这一过程称之为freezing,这是Tensorflow输出“模型”的特有方法。这一个freezing过程产生了一个Protobuf文件,称之为.pb文件。
opencv的dnn模块中有通过readNetFromTensorflow这一个函数读入tensorflow模型。模型的准确读入有时需要.pb与.pbtxt文件,有时仅需要.pb文件即可。首先.pb文件的分为两种:1、frozen_graph.pb(包含Graph定义、训练好的参数);2、saved_model.pb(仅包含Graph定义)。所以两个pb文件相比时,frozen_graph.pb通常比saved_model.pb要大。dnn.readNetFromTensorflow所读取的就是frozen_graph.pb的模式,既有图定义又有训练好的参数。但是tensorflow推荐使用的SaveModel接口导出模型文件中的.pb文件只包含图定义,不能直接read,必须转化为frozen graph的格式。
目前网上搜到的大部分关于Keras模型转frozen grpah的教程所依赖的tensorflow版本都较老,以下是依赖2.X版本一个靠谱的方法。
https://leimao.github.io/blog/Save-Load-Inference-From-TF2-Frozen-Graph/