protocol-buffers - 有没有关于如何生成包含经过训练的 TensorFlow 图的 protobuf 文件的示例

Question

我正在看Google's example关于如何在 Android 上部署和使用预训练的 Tensorflow 图(模型)。此示例使用位于以下位置的 .pb 文件:

https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip

这是自动下载的文件的链接。

该示例展示了如何将.pb文件加载到Tensorflow session 并使用它来执行分类，但它似乎没有提及如何生成这样的.pb 文件，在图被训练之后(例如，在 Python 中)。

有关于如何做到这一点的示例吗？

Answer 1

编辑: freeze_graph.py脚本是 TensorFlow 存储库的一部分，现在用作从现有 TensorFlow GraphDef 和保存的检查点生成表示“卡住”训练模型的 Protocol Buffer 的工具。它使用与下面描述的相同的步骤，但使用起来更容易。

<小时/>

目前该过程没有很好的记录(并且有待完善)，但大致步骤如下:

1. 将您的模型构建并训练为名为 g_1 的 tf.Graph。
2. 获取每个变量的最终值并将其存储为 numpy 数组(使用 Session.run() )。
3. 在名为 g_2 的新 tf.Graph 中，创建 tf.constant()每个变量的张量，使用步骤 2 中获取的相应 numpy 数组的值。

4. 使用tf.import_graph_def()将节点从 g_1 复制到 g_2，并使用 input_map 参数将 g_1 中的每个变量替换为相应的变量在步骤 3 中创建的 tf.constant() 张量。您可能还想使用 input_map 指定新的输入张量(例如，将 input pipeline 替换为 tf.placeholder() )。使用 return_elements 参数指定预测输出张量的名称。

5. 调用 g_2.as_graph_def() 以获取图形的 Protocol Buffer 表示形式。

(注意:生成的图将在图中有额外的节点用于训练。虽然它不是公共(public) API 的一部分，但您可能希望使用内部 graph_util.extract_sub_graph() 函数来剥离这些节点图中的节点。)