我正试图弄清楚如何在Android上使用培训the image_ocr example in Keras来使用张量流模型。我已经按照本教程创建了一个张量流模型（即将图形冻结为creata和.pb文件）以供应用程序使用。
TFDroid中的示例相当不错，但它们似乎都不适用于我的模型。我现在有几个问题：
答案 0 :(得分：1)
我正在研究更好的文档，但是现在这是我当前草案的摘录，可能有所帮助：
在大多数情况下，使用TensorFlow训练模型将为您提供包含GraphDef文件（通常以.pb或.pbtxt扩展名结尾）和一组检查点文件的文件夹。移动或嵌入式部署所需的是单个GraphDef文件，该文件已被“冻结”，或者将其变量转换为内联常量，因此所有内容都在一个文件中。 要处理转换，您需要freeze_graph.py脚本，该脚本保存在tensorflow / pythons / tools / freeze_graph.py中。你会像这样运行它：
bazel build tensorflow/tools:freeze_graph
bazel-bin/tensorflow/tools/freeze_graph \
--input_graph=/tmp/model/my_graph.pb \ --input_checkpoint=/tmp/model/model.ckpt-1000 \ --output_graph=/tmp/frozen_graph.pb \
--input_node_names=input_node \
--output_node_names=output_node \
input_graph参数应指向包含模型体系结构的GraphDef文件。您的GraphDef可能已经以文本格式存储在磁盘上，在这种情况下，它可能以'.pbtxt'而不是'.pb'结尾，您应该在命令中添加额外的--input_binary=false标志。
input_checkpoint应该是最近保存的检查点。如检查点部分所述，您需要在此处为检查点集提供公共前缀，而不是完整的文件名。
output_graph定义了保存结果的冻结GraphDef的位置。因为它可能包含很多以文本格式占用大量空间的权重值，所以它总是保存为二进制protobuf。
output_node_names是要从中提取图表结果的节点名称列表。这是必要的，因为冻结过程需要了解图形的哪些部分实际需要，以及哪些是培训过程的工件，如摘要操作。仅保留有助于计算给定输出节点的操作。如果您知道如何使用图形，那么这些应该只是您传递到Session :: Run（）作为获取目标的节点的名称。如果您没有这方面的信息，可以通过运行summarize_graph工具获得有关可能输出的一些建议。
由于TensorFlow的输出格式随着时间的推移而发生了变化，因此还有其他一些不太常用的标志，例如input_saver，但希望您不需要在使用现代版本的框架。