个人技术笔记

tensorflow加载pb文件及继续训练

发布时间：2021-04-30  栏目：Tensorflow, 人工智能, 深度学习  评论：0 Comments

谷歌推荐的保存模型的方式是保存模型为 PB 文件，它具有语言独立性，可独立运行，封闭的序列化格式，任何语言都可以解析它，它允许其他语言和深度学习框架读取、继续训练和迁移 TensorFlow 的模型。
它的主要使用场景是实现创建模型与使用模型的解耦， 使得前向推导 inference的代码统一。
另外的好处是保存为 PB 文件时候，模型的变量都会变成固定的，导致模型的大小会大大减小，适合在手机端运行。
还有一个就是，真正离线测试使用的时候，ｐｂ格式的数据能够保证数据不会更新变动，就是不会进行反馈调节啦。

tensorflow加载pb文件:
with tf.gfile.FastGFile(“/tmp/my-model/train.pb”,’rb’) as f:
graph_def = tf.GraphDef()
graph_def.ParseFromString(f.read())
sess.graph.as_default()
tf.import_graph_def(graph_def, name=”)

或者：
def read_graph_from_pb(tf_model_path ,input_names,output_name):
with open(tf_model_path, ‘rb’) as f:
serialized = f.read()
tf.reset_default_graph()
gdef = tf.GraphDef()
gdef.ParseFromString(serialized)
with tf.Graph().as_default() as g:
tf.import_graph_def(gdef, name=”)

with tf.Session(graph=g) as sess:
OPS=get_ops_from_pb(g,input_names,output_name)
return OPS

链接：https://www.zhihu.com/question/49637656/answer/142035602

留下评论

You must be logged in to post a comment.