Question

我是Deep Learning和Tensorflow的新手。我将预训练的tensorflow inceptionv3 模型重新训练为 saved_model.pb ，以识别不同类型的图像，但是当我尝试使用下面代码的fie时。

with tf.Session() as sess:
    with tf.gfile.FastGFile("tensorflow/trained/saved_model.pb",'rb') as  f:
        graph_def = tf.GraphDef()
        tf.Graph.as_graph_def()
        graph_def.ParseFromString(f.read())
        g_in=tf.import_graph_def(graph_def)
        LOGDIR='/log'
        train_writer=tf.summary.FileWriter(LOGDIR)
        train_writer.add_graph(sess.graph)

它给了我这个错误 -

 File "testing.py", line 7, in <module>
graph_def.ParseFromString(f.read())
google.protobuf.message.DecodeError: Error parsing message

我尝试了很多解决方案，我可以找到这个问题， tensorflow / python / tools 中使用 graph_def.ParseFromString（f.read（））函数的模块是给我同样的错误。请告诉我如何解决这个问题或告诉我如何避免 ParseFromString（f.read（））函数。任何帮助，将不胜感激。谢谢！

Answer 1

保存模型时是否通过了as_text = False？请查看：TF save/restore graph fails at tf.GraphDef.ParseFromString()

Answer 2

我假设您使用 TensorFlow 提供的 tf.saved_model.Builder 保存了经过训练的模型，在这种情况下，您可以执行以下操作：

负载模型

export_path = './path/to/saved_model.pb'

# We start a session using a temporary fresh Graph
with tf.Session(graph=tf.Graph()) as sess:
    '''
    You can provide 'tags' when saving a model,
    in my case I provided, 'serve' tag 
    '''

    tf.saved_model.loader.load(sess, ['serve'], export_path)
    graph = tf.get_default_graph()

    # print your graph's ops, if needed
    print(graph.get_operations())

    '''
    In my case, I named my input and output tensors as
    input:0 and output:0 respectively
    ''' 
    y_pred = sess.run('output:0', feed_dict={'input:0': X_test})

要在此处提供更多背景信息，这就是我保存可按上述方式加载的模型的方式。

保存模型


x = tf.get_default_graph().get_tensor_by_name('input:0')
y = tf.get_default_graph().get_tensor_by_name('output:0')

export_path = './models/'
builder = tf.saved_model.builder.SavedModelBuilder(export_path)
signature = tf.saved_model.predict_signature_def(
                inputs={'input': x}, outputs={'output': y}
                )

# using custom tag instead of: tags=[tf.saved_model.tag_constants.SERVING]
builder.add_meta_graph_and_variables(sess=obj.sess,
                                     tags=['serve'],
                                     signature_def_map={'predict': signature})
builder.save()

这会将您的protobuf（'saved_model.pb'）保存在上述文件夹（此处为'models'）中，然后可以按照上述说明进行加载。

Answer 3

请使用 frozen_inference_graph.pb 加载模型，而不是使用saved_model.pb

Model_output
- saved_model
  - saved_model.pb
- checkpoint
- frozen_inference_graph.pb     # Main model 
- model.ckpt.data-00000-of-00001
- model.ckpt.index
- model.ckpt.meta
- pipeline.config

无法使用Trained Tensorflow模型

3 个答案:

负载模型

保存模型