溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要為大家展示了tensorflow如何實現ckpt轉換為savermodel模型，內容簡而易懂，希望大家可以學習一下，學習完之后肯定會有收獲的，下面讓小編帶大家一起來看看吧。
ckpt轉換成SavedModel
convert_ckpt_to_savermodel.py
import tensorflow as tf import sys trained_checkpoint_prefix = sys.argv[1] export_dir = sys.argv[2] graph = tf.Graph() config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True) with tf.compat.v1.Session(graph=graph, config=config) as sess: # Restore from checkpoint loader = tf.compat.v1.train.import_meta_graph(trained_checkpoint_prefix + '.meta') loader.restore(sess, trained_checkpoint_prefix) # Export checkpoint to SavedModel builder = tf.compat.v1.saved_model.builder.SavedModelBuilder(export_dir) builder.add_meta_graph_and_variables(sess, [tf.saved_model.TRAINING, tf.saved_model.SERVING], strip_default_attrs=True) builder.save()
假設已經生成了ckpt模型
checkpoint hello_model.data-00000-of-00001 hello_model.index hello_model.meta
python ./convert_ckpt_to_savermodel.py hello_model ./save
會在save目錄下生成
save
├── saved_model.pb
└── variables
├── variables.data-00000-of-00001
└── variables.index
補充知識：tensorflow serving模型轉換
tf serving是一款靈活的高性能機器學習服務系統，專為生產環境而設計。通過它可以輕松部署新算法和實驗，同時保持服務框架和API不變。它提供了與tensorflow模型的即是可用集成，但很容易擴展以便服務其他類型的模型和數據。
tf serving的安裝過程這里不多說，大家可以百度。
此處主要介紹tensorflow模型在docker中轉換時的修改內容。
修改inception_saved_model.py文件中的內容，主要包括：image_size，NUM_CLASSES，SYNSET_FILE，METADATA_FILE變量的內容，必要時修改model_version，NUM_TOP_CLASSES。
修改inception_model.py文件中的內容，包括從nets文件夾中導入所需網絡的信息，修改inference函數中對應的網絡名稱。
from nets.inception_v1 import inception_v1, inception_v1_arg_scope
with slim.arg_scope(inception_v1_arg_scope()):
logits, endpoints = inception_v1(
images,
dropout_keep_prob=0.8,
num_classes=num_classes,
is_training=for_training,
scope=scope)另，使用CUDA環境時，需要添加環境及bazel編譯的配置項
export TF_NEED_CUDA=1
bazel build -c opt --config=cuda tf_models/slim:inception_saved_model
ps，關于gpu的設置如下：
export CUDA_VISIBLE_DEVICES='0,1' #shell環境 import os os.environ["CUDA_VISIBLE_DEVICES"] = "0,1" #python環境
以上就是關于tensorflow如何實現ckpt轉換為savermodel模型的內容，如果你們有學習到知識或者技能，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
