import tensorflow as tf import os.path import argparse from tensorflow.python.framework import graph_util MODEL_DIR = "E:/imageDS/catDog/backup/" MODEL_NAME = "frozen_model.pb" if not tf.gfile.Exists(MODEL_DIR): #创建目录 print("-----------") tf.gfile.MakeDirs(MODEL_DIR) def freeze_graph(model_folder): checkpoint = tf.train.get_checkpoint_state(model_folder) #检查目录下ckpt文件状态是否可用 input_checkpoint = checkpoint.model_checkpoint_path #得ckpt文件路径 output_graph = os.path.join(MODEL_DIR, MODEL_NAME) #PB模型保存路径 output_node_names = ['biases'] #原模型输出操作节点的名字 saver = tf.train.import_meta_graph(input_checkpoint + '.meta', clear_devices=True) #得到图、clear_devices :Whether or not to clear the device field for an `Operation` or `Tensor` during import. graph = tf.get_default_graph() #获得默认的图 input_graph_def = graph.as_graph_def() #返回一个序列化的图代表当前的图 with tf.Session() as sess: saver.restore(sess, input_checkpoint) #恢复图并得到数据 #print ("predictions : ", sess.run("predictions:0", feed_dict={"input_holder:0": [10.0]})) # 测试读出来的模型是否正确,注意这里传入的是输出 和输入 节点的 tensor的名字,不是操作节点的名字 # output_graph_def = graph_util.convert_variables_to_constants( #模型持久化,将变量值固定 # sess, # input_graph_def, # #$output_node_names.split(",") #如果有多个输出节点,以逗号隔开 # output_node_names #如果有多个输出节点,以逗号隔开 # ) tf.train.write_graph(input_graph_def, output_graph, "mnist_model_graph.pb", as_text=False) # with tf.gfile.GFile(output_graph, "wb") as f: #保存模型 # # f.write(output_graph_def.SerializeToString()) #序列化输出 # print("%d ops in the final graph." % len(output_graph_def.node)) #得到当前图有几个操作节点 for op in graph.get_operations(): print(op.name, op.values()) if __name__ == '__main__': # parser = argparse.ArgumentParser() # parser.add_argument("model_folder", type=str, help="input ckpt model dir") #命令行解析,help是提示符,type是输入的类型, # # 这里运行程序时需要带上模型ckpt的路径,不然会报 error: too few arguments # aggs = parser.parse_args() freeze_graph("E:/imageDS/catDog/backup/") # freeze_graph("model/ckpt") #模型目录
ckpt2pb
猜你喜欢
转载自blog.csdn.net/www5256246/article/details/80321508
今日推荐
周排行