Question

我正在使用一些实现来创建人脸识别。使用该文件的

访问https://drive.google.com/file/d/0B5MzpY9kBtDVZ2RpVDYwWmxoSUk

“ facenet.load_model（” 20170512-110547 / 20170512-110547.pb“）”

此模型的用途是什么？我不确定它如何工作

控制台日志：

型号文件名：20170512-110547 / 20170512-110547.pb 距离= 0.72212267

代码实际所有者的Github链接 https://github.com/arunmandal53/facematch

Answer 1

pb代表protobuf。在TensorFlow中，protbuf文件包含图形定义以及模型的权重。因此，只需运行pb文件即可运行给定的经过训练的模型。

给出一个pb文件，您可以按以下方式加载它。

def load_pb(path_to_pb):
    with tf.gfile.GFile(path_to_pb, "rb") as f:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())
    with tf.Graph().as_default() as graph:
        tf.import_graph_def(graph_def, name='')
        return graph

一旦加载了图形，您基本上可以执行任何操作。例如，您可以使用

检索感兴趣的张量

input = graph.get_tensor_by_name('input:0')
output = graph.get_tensor_by_name('output:0')

并使用常规TensorFlow例程，例如：

sess.run(output, feed_dict={input: some_data})

Answer 2

.pb格式是protobuffer / protobuf格式，在Tensorflow中，此格式用于保存模型。以这种方式使用时，它称为 SavedModel协议缓冲区，这是保存Keras / Tensorflow 2.0模型时的默认格式。可以在here和here中找到有关此格式的更多信息。

例如，以下代码（具体为m.save）将创建一个名为my_new_model的文件夹，并将其中的saved_model.pb，一个assets/文件夹保存在其中，和一个variables/文件夹。该代码首先从互联网（可在其中上传模型的社区TFHub）中下载SavedModel

m = tf.keras.Sequential([
    hub.KerasLayer("https://tfhub.dev/google/imagenet/mobilenet_v2_130_224/classification/4")
])
m.build([None, 224, 224, 3])  # Batch input shape.
m.save("my_new_model") # defaults to save as SavedModel in tensorflow 2

在某些地方，您可能还会看到.h5模型，这是TF 1.X的默认格式。 source

张量流中模型（PB文件）的用途是什么？它是如何工作的？

2 个答案: