TensorFlow实现checkpoint文件转换为pb文件

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武林站长站。