由于项目需要，需要将TensorFlow保存的模型从ckpt文件转换为pb文件。
import osfrom tensorflow.python import pywrap_tensorflowfrom net2use import inception_resnet_v2_small#这里使用自己定义的模型函数即可import tensorflow as tfif __name__=='__main__': pb_file = "./model/output.pb" ckpt_file = "./model/model.ckpt-652900" '''这里的节点名字可能跟设想的有出入，最直接的方法是直接输出ckpt中保存的节点名字，然后对应着找节点名字，具体的进入convert_variables_to_constants函数的实现中graph_util_impl.py，130行的函数：_assert_nodes_are_present 添加代码 print('在图中的节点是：') for din in name_to_node: print('{},在图中'.format(din))然后运行代码，若正确就会直接保存；若失败则会保存失败，找好输出节点的名字，在output_node_names 中添加就好''' output_node_names = ["embedding"] with tf.name_scope('input'): image = tf.placeholder(tf.float32,shape=(None,79,199,1),name='input_image') net, endpoints=inception_resnet_v2_small(image, is_training=False) embedding = tf.nn.l2_normalize(net,1,1e-10,name='embedding') config=tf.ConfigProto(allow_soft_placement=True) config.gpu_options.per_process_gpu_memory_fraction = 0.45 sess = tf.Session(config = config) saver = tf.train.Saver() saver.restore(sess, ckpt_file) print('read success') converted_graph_def = tf.graph_util.convert_variables_to_constants(sess, input_graph_def = sess.graph.as_graph_def(), output_node_names = output_node_names) with tf.gfile.GFile(pb_file, "wb") as f: f.write(converted_graph_def.SerializeToString()) print('保存成功')
以上这篇TensorFlow实现checkpoint文件转换为pb文件就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。
以上就上有关TensorFlow实现checkpoint文件转换为pb文件的全部内容，学步园全面介绍编程技术、操作系统、数据库、web前端技术等内容。