Question

我是tensorflow的新手，目前正在努力解决一些问题：

如何从没有管道配置的.meta .data .info获取冻结推理图

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，但我无法找到信息，如何在没有管道配置的情况下将它们转换为冻结的推理图。我发现的一切都已过时或需要管道配置。

另外，我试图自己训练模型，但我认为问题是.ppa文件（GTSDB数据集），因为使用.png或.jpg一切正常。
如何组合两个或多个冻结推理图

我已成功地在我自己的数据集上训练模型（检测某些特定对象），但我希望该模型能够与一些经过预先训练的模型一起工作，例如更快的rcnn启动或ssd mobilenet。我知道我必须加载这两个模型，但我不知道如何让它们同时工作，甚至可能吗？

更新

我在第一个问题的中途 - 现在我有了freeze_model.pb，输出节点名称存在问题，我感到困惑，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)

我必须更改几行 - 删除--output_node_names并将output_graph_def中的output_node_names更改为[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 - 我发现的一切至少已经过了一年。我开始认为对freeze_graph的修复是不正确的，这就是我遇到新错误的原因。

我真的很感激这方面的一些建议。

Answer 1

如果你写

[n.name for n in tf.get_default_graph().as_graph_def().node]

在您的convert_variables_to_constants函数中，您将图形具有的每个节点定义为输出节点，这当然将不起作用。（这可能是您的ValueError的原因）

您需要找到真实输出节点的名称，最佳方法通常是在tensorboard中查看经过训练的模型并在其中分析图，或者打印出图的每个节点。通常，输出的最后一个节点是您的输出节点（忽略所有名称中带有“ gradients”或“ Adam”的东西，如果您已将其用作优化器）

一种简单的方法（在恢复会话后将其插入）：

gd = sess.graph.as_graph_def()
for node in gd.node:
    print(node.name)

来自.meta .info .data的Tensorflow冻结推理图并组合了冻结的推理图

1 个答案: