转：tensorflow深度学习实战笔记（二）：把训练好的模型进行固化

原文地址：https://blog.csdn.net/chenyuping333/article/details/82106863
目录

一、导出前向传播图

二、对模型进行固化

三、pb文件转tflite文件

说明：接我的上一篇博客：tensorflow深度学习实战笔记（一）：使用tensorflow slim自带的模型训练自己的数据

前面讲解了如何用tensorflow slim训练自己的模型，现在讲解如何把训练好的模型的cpkt文件固化成pb文件（即最终的模型）

一、导出前向传播图
在slim文件夹下有export_inference_graph.py文件（slim文件夹的位置可以参考我的上一篇博客），运行该脚本即可导出前向传播图，运行方式如下：

python export_inference_graph.py
–alsologtostderr
–dataset_dir=/home/yuping-chen/slim/my_data/fruits/ #数据集的路径
–dataset_name=fruit #数据集的名字
–model_name=inception_v3 #导出的模型
–image_size=224 #图片尺寸
–output_file=my_model/inception_v3_inf.pb#输出文件名，可以自定义
运行结束后即可在你指定的位置生成相应的pb文件，这个文件是前向传播图，并没有参数，所以也不是最终的模型，因此文件较小。

二、对模型进行固化
对上面生成的前向传播图进行固化，即把cpkt文件的参数导入到前向传播图中得到最终的模型，固化方式有两种，一是使用tensorflow自带的脚本，二是使用bazel工具。

两种方式差不多，只是使用的方式不一样，只有第一行不一样，其他的参数都是一样的。

2.1使用tensorflow自带的脚本进行固化
python -u /usr/local/lib/python2.7/dist-packages/tensorflow/python/tools/freeze_graph.py
–input_graph=/home/yuping-chen/slim/my_model/inception_v3_inf.pb #上一步的前向传播图
–input_checkpoint=/home/yuping-chen/slim/my_save_model/fruit-models/inception_v3_140/model.ckpt-68074 #自己训练的cpkt文件
–output_graph=/home/yuping-chen/slim/my_model/frozen_model/frozen_inception_v3.pb #最终的模型
–input_binary=True
–output_node_name=InceptionV3/Predictions/Reshape_1
2.2使用bazel工具进行固化
bazel的具体安装和使用请参考我的另一篇博客：tensorflow深度学习实战笔记（四）：bazel编译tensorflow工具的使用方法

bazel-bin/tensorflow/python/tools/freeze_graph
–input_graph=/home/yuping-chen/slim/my_model/inception_v3_inf.pb #上一步的前向传播图
–input_checkpoint=/home/yuping-chen/slim/my_save_model/fruit-models/inception_v3_140/model.ckpt-68074 #自己训练的cpkt文件
–output_graph=/home/yuping-chen/slim/my_model/frozen_model/frozen_inception_v3.pb #最终的模型
–input_binary=True
–output_node_name=InceptionV3/Predictions/Reshape_1
运行结束后即可在你指定的位置生成相应的pb文件，这个文件是最终的模型，和前向传播图不同，治理包含了参数，因此文件会比较大。

2.3可能会遇到的问题
如果抛出诸如“lrs=[5],hrs[10]”类的错误（[ ]中的内容也许会不同），说明cpkt输出类别数目10和前向传播图类别数目5不相等造成的，这是要检查你导入前向传播图的参数了，确认数据集类别数正确后在执行固化则不会报错。

三、pb文件转tflite文件
tflite模型相比于pb要精简的多，只是针对嵌入式平台进行的优化，对移植到嵌入式平台建议使用该方式，因为执行速度会更快，但是tflite并不是所有模型都支持，只支持部分模型。

转换形式使用bazel，bazel的具体安装和使用请参考我的另一篇博客：tensorflow深度学习实战笔记（四）：bazel编译tensorflow工具的使用方法

bazel-bin/tensorflow/contrib/lite/toco/toco
–input_file=/home/yuping-chen/slim/my_model/frozen_model/frozen_inception_v3.pb
–input_format=TENSORFLOW_GRAPHDEF
–output_format=TFLITE
–output_file=/home/yuping-chen/slim/my_model/frozen_model/frozen_inception_v3.tflite
–inference_type=FLOAT
–input_type=FLOAT
–input_arrays=input
–output_arrays=Inception/Predictions/Reshape_1
–input_shapes=1,299,299,3
运行结束后即可在你指定的位置生成相应的tflite文件，后面就可以用生成的tflite文件移植到手机端了，tensorflow lite手机端的移植方法可以参考我的另一篇博客：tensorflow深度学习实战笔记（三）：使用tensorflow lite把训练好的模型移植到手机端，编译成apk文件

作者：chenyuping666
来源：CSDN
原文：https://blog.csdn.net/chenyuping333/article/details/82106863
版权声明：本文为博主原创文章，转载请附上博文链接！

转：tensorflow深度学习实战笔记（二）：把训练好的模型进行固化相关推荐

Tensorflow深度学习实战之(七)--MP神经元与BP神经网络模型
本文是在GPU版本的Tensorflow = 2.6.2 , 英伟达显卡驱动CUDA版本 =11.6,Python版本 = 3.6, 显卡为3060的环境下进行验证实验的!!! 文章目录一.M-P神 ...
跨年之际，中文版畅销书《TensorFlow深度学习实战大全》分享，直接送！
点击上方"AI遇见机器学习",选择"星标"公众号重磅干货,第一时间送达跨年之际,给大家一份福利,赠书抽奖,一共4本!感兴趣的同学可以参与一下,奖品是新书&l ...
Tensorflow深度学习之十二：基础图像处理之二
Tensorflow深度学习之十二:基础图像处理之二 from:https://blog.csdn.net/davincil/article/details/76598474 首先放出原始图像: ...
TensorFlow 深度学习实战指南中文版
TensorFlow 深度学习实战指南中文版第 1 章入门安装 TensorFlow 简单的计算逻辑回归模型构建逻辑回归训练第 2 章深度神经网络基本神经网络单隐藏层模型单隐藏层的说明 ...
Keras深度学习实战（1）——神经网络基础与模型训练过程详解
Keras深度学习实战(1)--神经网络基础与模型训练过程详解 0. 前言 1. 神经网络基础 1.1 简单神经网络的架构 1.2 神经网络的训练 1.3 神经网络的应用 2. 从零开始构建前向传播 ...
深度学习实战笔记三：编码器、解码器+mnist+kears
对matplotlib的解释 import matplotlib.pyplot as plt import numpy as np a = [[1,2]] a = np.array(a) c = a[ ...
Tensorflow深度学习实战之(五)--保存与恢复模型
文章目录一.保存模型二.恢复模型三.使用模型预测一.保存模型在训练完Tensorflow模型为了方便对新的数据进行预测需要保存该模型,Tensorflow提供 tf.train.Saver( ...
TensorFlow深度学习实战---循环神经网络
循环神经网络(recurrent neural network,RNN)-------------------------重要结构(长短时记忆网络( long short-term memory,LS ...
Pytorch深度学习实战笔记

转：tensorflow深度学习实战笔记（二）：把训练好的模型进行固化

转：tensorflow深度学习实战笔记（二）：把训练好的模型进行固化相关推荐

最新文章

热门文章