CKPT-> PB

tensorflow保存モデルは、2つの形式があります：

1. CKPT：マップを復元した変数は、訓練を行うことを続けることができます

2. PBは：;トレーニングを続けることができない変数のシーケンス図では,,あなただけの推論を行うことができます一定値となります

デモ

  1  DEF freeze_graph（input_checkpoint、output_graph）：
   2  
  。3      '' '
   4      ：PARAMのinput_checkpoint：
   5      ：PARAMのoutput_graph：PBモデル記憶パス
   6      ：リターン
  7        空隙
   8      ' ''
   9。 
10      ＃1 =チェックポイント（model_folder）をtf.train.get_checkpoint_state利用可能なディレクトリをチェックし、ファイルの状態かどうか＃1 CKPT 
。11      ## input_checkpoint = checkpoint.model_checkpoint_path CKPT取得したファイルパス
12は、 
13であり、     ＃は、出力ノード名を指定して、ノードのノード名は、元のモデルに存在しなければならない
14      output_node_names = " InceptionV3 / logits / SpatialSqueeze「＃出力ノードの複数場合、 『数』の使用は、間隔をあけ
15 
16      ############################ステップ1：図はCKPTからの回復：############# ################################ 
。17      セーバー= tf.train.import_meta_graph（input_checkpoint + '.META'、clear_devices =真）
 18である      グラフ= tf.get_default_graph（）図は、得られた＃デフォルト、省略してもよい
。19      input_graph_def graph.as_graph_def =（）  ＃は、シーケンス図は、図1の電流を表し返す。、省略することができる
20である 
21である      （tf.Sessionで）セッション数AS ：＃図現在のデフォルトとして使用される
22は          セーバー。リストア（セッション数、input_checkpoint）回復位図のデータを得る。
23である 
24          ###################### ##ステップ2：セッション数、図を指定し、永続オブジェクトを作成し、ノード情報出力##############の配列
25         output_graph_def graph_util.convert_variables_to_constants =（  ＃永続性モデルを、変数の固定値
26である              セッション数=セッション数、
 27              input_graph_def = input_graph_def、 ＃に等しい：sess.graph_def 
28              。output_node_names = output_node_names スプリット（ " "）） ＃出力ノードが複数ある場合カンマで区切られた29 ##############永続モデル：#########################ステップ3 ######################################### 30          tf.gfile.GFile（output_graphと、 " WB F AS"）： ＃は、モデルセーブ31がある              。F 書き込み（output_graph_def.SerializeToString（）） ＃シリアル化された出力32
         


         印刷（ "OPS の％D最終グラフ " ％のLEN（output_graph_def.node）） ＃現在の操作は、図1の複数のノードを有し得る。
33である         （graph.get_operationsにOPため＃）：
34は、 
35          ＃プリント（op.name、OP .valuesは（））
36  
37  
38れる ###########################呼び出さ############# ################### 
39  ＃CKPTモデル入力経路
40 input_checkpoint = 'モデル/ model.ckpt-10000'
 41れる パスPB出力モデル＃
42は out_pb_path = " モデル/ PB / frozen_model.pb「
 43  位freeze_graphがPBにCKPTう呼び出し
44 freeze_graph（input_checkpoint、out_pb_path）

解決

Freeze_graph機能は、最も重要なことは、「出力ノードの名前を」決定することである、ノード名がフリーズするオリジナルモデルのノードに存在する必要があり、我々は、出力ノードの名前を定義する必要があります。

硬化ダウン出力ノードにのみサブピクチャが必要な場合、無関係他方は破棄するフリーズ。私たちはモデルの目的を凍結するので、次の予測を行うことです。だから、output_node_namesノード名は、通常、最後のレイヤネットワークモデルの出力である、またはそれは我々がターゲットを予測するものです。

PBの保存するときは、指定したノード名convert_variables_to_constants機能によって硬化する必要があります。

差分テンソル名とノード名の

図のノード名は、操作及びテンソルの数を含むノードであります

テンソルは、ノードの内部の一部です。

入力には、例えば、「入力：0」は、テンソルの名前であり、「入力」は、ノードの名前を示します

PS：注テンソル名、即ち：ノード名+ "：" + "ID番号"、例えば、 "入力：0"

Tensorflow Learning1モデルの保存と復元

CKPT-> PB

デモ

解決

おすすめ