Question

在本地，当我们想使用TensorFlow加载模型时，我们这样做：

path_to _frozen = model_path + '/frozen_inference_graph.pb'
detection_graph = tf.Graph()
with detection_graph.as_default():
    od_graph_def = tf.GraphDef()
    with tf.io.gfile.GFile(path_to _frozen, 'rb') as fid:
        serialized_graph = fid.read()
        od_graph_def.ParseFromString(serialized_graph)
        tf.import_graph_def(od_graph_def, name='')

我们如何使用Google云功能将存储的模型加载到Google存储桶上？

Answer 1

您可以将pb文件存储在存储中。

然后，在您的函数中，将其下载到local writable directory /tmp中。请记住，该目录位于“内存中”。这意味着必须正确定义分配给您的函数的内存，以处理应用程序的内存占用以及模型下载的文件

用类似这样的内容替换第一行。

# Be sure that your function service account as access to the storage bucket    
storage_client = storage.Client()
bucket = storage_client.get_bucket('<bucket_name>')
blob = bucket.blob('<path/to>/frozen_inference_graph.pb')

# Download locally your pb file
path_to_frozen = '/tmp/frozen_inference_graph.pb'
blob.download_to_filename(path_to_frozen)

Answer 2

constructor(
private dataService: DataService
){ }


ngOnInit() {
    this.dataService.getProducts().subscribe(
      data => {
       console.log(data)
      },
      error => {
      console.log(error)
      }
    );
  }

def处理程序（请求）： download_blob（“ BUCKET_NAME”，“ redbull / output_inference_graph.pb / frozen_inference_graph.pb”，“ / tmp / frozen_inference_graph.pb”）打印（“好”） detection_graph = tf.Graph（）使用detection_graph.as_default（）： od_graph_def = tf.GraphDef（）使用tf.io.gfile.GFile（'/ tmp / frozen_inference_graph.pb'，'rb'）作为fid： serialized_graph = fid.read（） od_graph_def.ParseFromString（serialized_graph） tf.import_graph_def（od_graph_def，name =''）

如何从谷歌桶中加载Tensorflow冻结图模型？

2 个答案: