python - 加载图形然后用它来构建 tflite？

Question

我是 tensorflow 的新手，我正在尝试将我的 .pb(原型(prototype)缓冲区)文件转换为精简版。但我面临一些问题。 import time,sys,warnings,glob,random,cv2,base64,json,csv,os

import numpy as np
import tensorflow as tf
from collections import OrderedDict
def load_graph(frozen_graph_filename):
    with tf.gfile.GFile(frozen_graph_filename, "rb") as f:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())
    with tf.Graph().as_default() as graph:
        tf.import_graph_def(
            graph_def, 
            input_map=None, 
            return_elements=None, 
            name="prefix", 
            op_dict=None, 
            producer_op_list=None
        )
    return graph

此函数为我加载一个图表，现​​在我想将此图表转换为我使用以下脚本的 tflite。

CD_graph = load_graph("CD_Check_k.pb")
CD_input = CD_graph.get_tensor_by_name('prefix/input_node:0')
CD_output = CD_graph.get_tensor_by_name('prefix/output_node:0')
x_single = tf.placeholder(tf.float32, [1, 256 , 256, 3],
                              name="input_node")
with tf.Session() as sess:
  tflite_model = tf.contrib.lite.toco_convert(CD_graph, input_tensors=[x_single ], output_tensors=[CD_output])
  with open('./mnist.tflite', "wb") as f:
      f.write(tflite_model)

错误信息:

'Graph' object has no attribute 'SerializeToString'          

Answer 1

您可以使用 TocoConverter.from_frozen_graph() API 来简化您的代码，这样您就不再需要读取卡住的图表。来自 documentation 的示例复制如下。

从文件导出 GraphDef

以下示例展示了当 GraphDef 存储在文件中时如何将 TensorFlow GraphDef 转换为 TensorFlow Lite FlatBuffer。 .pb 和 .pbtxt 文件都被接受。

示例使用 Mobilenet_1.0_224 .该函数仅支持通过 freeze_graph.py 卡住的 GraphDefs .

import tensorflow as tf

graph_def_file = "/path/to/Downloads/mobilenet_v1_1.0_224/frozen_graph.pb"
input_arrays = ["input"]
output_arrays = ["MobilenetV1/Predictions/Softmax"]

converter = tf.contrib.lite.TocoConverter.from_frozen_graph(
  graph_def_file, input_arrays, output_arrays)
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)