Question

我获得了TensorFlow检查点和导出的模型，但是为了使用Google ML Cloud提供模型，我需要一个saved_model.pbtxt文件。似乎我需要加载检查点并使用SavedModelBuilder但SavedModelBuilder需要输入和输出节点名称的字典。

我的问题是，给定检查点或导出的模型（如下），我如何找到生成pbtxt文件所需的节点名称，我需要通过Google的ML Cloud服务为模型提供服务？< / p>

checkpoint
export.data-00000-of-00001
export.index
export.meta
options.json

Answer 1

export.meta应为MetaGraphDef原型。所以你应该能够解析原型以获得graph。然后，您可以搜索节点以查找感兴趣的节点。

类似的东西：

import argparse
from tensorflow.core.protobuf import meta_graph_pb2 
import logging

if __name__ == "__main__":
  parser = argparse.ArgumentParser(
      description='Argument parser.')  
  parser.add_argument('--path',
                      required=True,
                      help='The path to the metadata graph file.')
  args = parser.parse_args()                      
  with open(args.path, 'r') as hf:
    graph = meta_graph_pb2.MetaGraphDef.FromString(hf.read())
  print "graph: \n{0}".format(graph)

我认为您还应该能够在包含该文件的目录中指向TensorBoard，TensorBoard将呈现图形并使用它来识别输入/输出节点的名称。

如何从TensorFlow检查点或模型创建SavedModel？

1 个答案: