我是Tensorflow的新手，目前正在努力解决一些问题：
-
如何在没有管道配置的情况下从 .meta .data 获取冻结的推理图
我想实时检查预先训练的交通标志检测模型。模型包含 3 个文件 - .meta .data .info，但我找不到信息，如何在没有管道配置的情况下将它们转换为冻结推理图。我发现的所有内容要么过时，要么需要管道配置。
另外，我尝试自己训练模型，但我认为问题是 .ppa 文件(GTSDB 数据集(，因为使用 .png 或.jpg一切都很好。
-
如何组合两个或多个冻结推理图
我已经在自己的数据集上成功训练了模型(检测一些特定对象(，但我希望该模型能够与一些预先训练的模型一起使用，例如更快的rcnn inception或ssd mobilenet。我知道我必须加载两个模型，但我不知道如何使它们同时工作，甚至可能吗？
更新
我在第一个问题上完成了一半 - 现在我有 frozen_model.pb，问题出在输出节点名称中，我很困惑，不知道该放什么，所以经过几个小时的"调查"，得到了工作代码：
import os, argparse
import tensorflow as tf
# The original freeze_graph function
# from tensorflow.python.tools.freeze_graph import freeze_graph
dir = os.path.dirname(os.path.realpath(__file__))
def freeze_graph(model_dir):
"""Extract the sub graph defined by the output nodes and convert
all its variables into constant
Args:
model_dir: the root folder containing the checkpoint state file
output_node_names: a string, containing all the output node's names,
comma separated
"""
if not tf.gfile.Exists(model_dir):
raise AssertionError(
"Export directory doesn't exists. Please specify an export "
"directory: %s" % model_dir)
# if not output_node_names:
# print("You need to supply the name of a node to --output_node_names.")
# return -1
# We retrieve our checkpoint fullpath
checkpoint = tf.train.get_checkpoint_state(model_dir)
input_checkpoint = checkpoint.model_checkpoint_path
# We precise the file fullname of our freezed graph
absolute_model_dir = "/".join(input_checkpoint.split('/')[:-1])
output_graph = absolute_model_dir + "/frozen_model.pb"
# We clear devices to allow TensorFlow to control on which device it will load operations
clear_devices = True
# We start a session using a temporary fresh Graph
with tf.Session(graph=tf.Graph()) as sess:
# We import the meta graph in the current default Graph
saver = tf.train.import_meta_graph(input_checkpoint + '.meta', clear_devices=clear_devices)
# We restore the weights
saver.restore(sess, input_checkpoint)
# We use a built-in TF helper to export variables to constants
output_graph_def = tf.graph_util.convert_variables_to_constants(
sess, # The session is used to retrieve the weights
tf.get_default_graph().as_graph_def(), # The graph_def is used to retrieve the nodes
[n.name for n in tf.get_default_graph().as_graph_def().node] # The output node names are used to select the usefull nodes
)
# Finally we serialize and dump the output graph to the filesystem
with tf.gfile.GFile(output_graph, "wb") as f:
f.write(output_graph_def.SerializeToString())
print("%d ops in the final graph." % len(output_graph_def.node))
return output_graph_def
if __name__ == '__main__':
parser = argparse.ArgumentParser()
parser.add_argument("--model_dir", type=str, default="", help="Model folder to export")
# parser.add_argument("--output_node_names", type=str, default="", help="The name of the output nodes, comma separated.")
args = parser.parse_args()
freeze_graph(args.model_dir)
我不得不更改几行 - 删除 --output_node_names 并将output_node_names更改为output_graph_def[n.name for n in tf.get_default_graph().as_graph_def().node]现在我遇到了新问题 - 我无法将 .pb 转换为 .pbtxt，错误是：
ValueError: Input 0 of node prefix/Variable/Assign was passed float from prefix/Variable:0 incompatible with expected float_ref.
再一次，关于这个问题的信息已经过时了——我发现的一切都至少有一年的历史了。我开始认为frozen_graph修复是不正确的，这就是我遇到新错误的原因。
我将不胜感激有关此事的一些建议。
如果你写
[n.name for n in tf.get_default_graph().as_graph_def().node]
在convert_variables_to_constants函数中，您将图形的每个节点定义为输出节点，这当然不起作用。(这可能是您的 ValueError 的原因(
你需要找到真实输出节点的名称，最好的方法通常是在张量板中查看训练好的模型并分析那里的图，或者你打印出图的每个节点。通常打印出的最后一个节点是您的输出节点(如果您将其用作优化器，请忽略名称中包含"梯度"或"Adam"的所有内容(
执行此操作的简单方法(在还原会话后插入它(：
gd = sess.graph.as_graph_def()
for node in gd.node:
print(node.name)