Tensorflow 2.0：冻结图支持

Question

对冻结图的支持会在tensorflow 2.0中继续还是不推荐使用？ 我的意思是用于从save_model创建/优化冻结图的脚本和API。同样，用于运行推理的API也是如此。

假设将来会支持，在tensorflow 2.0中对冻结图进行推断的推荐方法是什么？

Answer 1

TensorFlow 2.0将不支持冻结图API-freeze_graph.py和converter_variables_to_constants。

在2.0中，主要导出格式为SavedModels，因此构建了API以直接支持SavedModels。  可以使用v1.compat路径来运行对现有冻结图的推断。

Answer 2

现在，freeze_graph随TensorFlow 2.0稳定版正式发布。

Check Here。

Answer 3

如果使用估算器对模型进行建模，则可以使用tf.estimator.Estimator.export_saved_model冻结模型。

model = tf.estimator.Estimator(
    model_fn=model_fn, 
    model_dir=model_saved_dir)

def serving_input_receiver_fn():
    # in here, my input is 512 x 512 single channel image
    feature = tf.compat.v1.placeholder(tf.float32, shape=[None, 512, 512, 1], name="inputs")
    return tf.estimator.export.TensorServingInputReceiver(feature, feature)

model.export_saved_model(model_saved_dir, serving_input_receiver_fn)

此代码可在tensorflow 2.0中使用

或者您使用keras，您可以参考官方网站上的步骤 https://www.tensorflow.org/tutorials/keras/save_and_load#savedmodel_format