如何將TensorFlow的模型網絡導出為單個文件

這篇文章主要為大家展示了“如何將TensorFlow的模型網絡導出為單個文件”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“如何將TensorFlow的模型網絡導出為單個文件”這篇文章吧。

有時候，我們需要將TensorFlow的模型導出為單個文件（同時包含模型架構定義與權重），方便在其他地方使用（如在c++中部署網絡）。利用tf.train.write_graph()默認情況下只導出了網絡的定義（沒有權重），而利用tf.train.Saver().save()導出的文件graph_def與權重是分離的，因此需要采用別的方法。

我們知道，graph_def文件中沒有包含網絡中的Variable值（通常情況存儲了權重），但是卻包含了constant值，所以如果我們能把Variable轉換為constant，即可達到使用一個文件同時存儲網絡架構與權重的目標。

我們可以采用以下方式凍結權重并保存網絡：

import tensorflow as tf
from tensorflow.python.framework.graph_util import convert_variables_to_constants

# 構造網絡
a = tf.Variable([[3],[4]], dtype=tf.float32, name='a')
b = tf.Variable(4, dtype=tf.float32, name='b')
# 一定要給輸出tensor取一個名字！！
output = tf.add(a, b, name='out')

# 轉換Variable為constant，并將網絡寫入到文件
with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  # 這里需要填入輸出tensor的名字
  graph = convert_variables_to_constants(sess, sess.graph_def, ["out"])
  tf.train.write_graph(graph, '.', 'graph.pb', as_text=False)

當恢復網絡時，可以使用如下方式：

import tensorflow as tf
with tf.Session() as sess:
  with open('./graph.pb', 'rb') as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read()) 
    output = tf.import_graph_def(graph_def, return_elements=['out:0']) 
    print(sess.run(output))

輸出結果為:

[array([[ 7.],
       [ 8.]], dtype=float32)]

可以看到之前的權重確實保存了下來!!

問題來了，我們的網絡需要能有一個輸入自定義數據的接口啊！不然這玩意有什么用。。別急，當然有辦法。

import tensorflow as tf
from tensorflow.python.framework.graph_util import convert_variables_to_constants
a = tf.Variable([[3],[4]], dtype=tf.float32, name='a')
b = tf.Variable(4, dtype=tf.float32, name='b')
input_tensor = tf.placeholder(tf.float32, name='input')
output = tf.add((a+b), input_tensor, name='out')

with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  graph = convert_variables_to_constants(sess, sess.graph_def, ["out"])
  tf.train.write_graph(graph, '.', 'graph.pb', as_text=False)

用上述代碼重新保存網絡至graph.pb，這次我們有了一個輸入placeholder，下面來看看怎么恢復網絡并輸入自定義數據。

import tensorflow as tf

with tf.Session() as sess:
  with open('./graph.pb', 'rb') as f: 
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read()) 
    output = tf.import_graph_def(graph_def, input_map={'input:0':4.}, return_elements=['out:0'], name='a') 
    print(sess.run(output))

輸出結果為：

[array([[ 11.],
       [ 12.]], dtype=float32)]

可以看到結果沒有問題，當然在input_map那里可以替換為新的自定義的placeholder，如下所示：

import tensorflow as tf

new_input = tf.placeholder(tf.float32, shape=())

with tf.Session() as sess:
  with open('./graph.pb', 'rb') as f: 
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read()) 
    output = tf.import_graph_def(graph_def, input_map={'input:0':new_input}, return_elements=['out:0'], name='a') 
    print(sess.run(output, feed_dict={new_input:4}))

看看輸出，同樣沒有問題。

[array([[ 11.],
       [ 12.]], dtype=float32)]

另外需要說明的一點是，在利用tf.train.write_graph寫網絡架構的時候，如果令as_text=True了，則在導入網絡的時候，需要做一點小修改。

import tensorflow as tf
from google.protobuf import text_format

with tf.Session() as sess:
  # 不使用'rb'模式
  with open('./graph.pb', 'r') as f:
    graph_def = tf.GraphDef()
    # 不使用graph_def.ParseFromString(f.read())
    text_format.Merge(f.read(), graph_def)
    output = tf.import_graph_def(graph_def, return_elements=['out:0']) 
    print(sess.run(output))

以上是“如何將TensorFlow的模型網絡導出為單個文件”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！