Как конвертировать.ckpt файл в.pb

Question

Я использую ssd_mobilenets в API обнаружения объектов для обучения своей собственной модели и получения файлов.ckpt. Это хорошо работает на моем компьютере, но теперь я хочу использовать модель на моем телефоне. Итак, мне нужно преобразовать его в файл.pb. Я не знаю, как это сделать, может кто-нибудь помочь? Кстати, график ssd_mobilenets является сложным, я не могу найти, какой вывод модели. Есть ли кто-нибудь, кто знает название выхода?

Answer 1

Используйте export_inference_graph.py, чтобы преобразовать файл контрольных точек модели в файл.pb.

python tensorflow_models/object_detection/export_inference_graph.py \
--input_type image_tensor \
--pipeline_config_path architecture_used_while_training.config \
--trained path_to_saved_ckpt/model.ckpt-NUMBER \
--output_directory model/

Answer 2

• Это 4-я ячейка кода в object_detection_tutorial.ipynb в этой ссылке - https://github.com/tensorflow/models/blob/master/research/object_detection/object_detection_tutorial.ipynb

  # What model to download.
  MODEL_NAME = 'ssd_mobilenet_v1_coco_2017_11_17'
  MODEL_FILE = MODEL_NAME + '.tar.gz'
  DOWNLOAD_BASE = 'http://download.tensorflow.org/models/object_detection/'
  
  # Path to frozen detection graph. This is the actual model that is used for the object detection.
  PATH_TO_CKPT = MODEL_NAME + '/frozen_inference_graph.pb'
  
  # List of the strings that is used to add correct label for each box.
  PATH_TO_LABELS = os.path.join('data', 'mscoco_label_map.pbtxt')
  
  NUM_CLASSES = 90
  

• Теперь клетка четко говорит .pb имя файла /frozen_inference_graph.pb

• Итак, у вас уже есть .pb файл, почему вы хотите конвертировать??
• В любом случае вы можете обратиться по этой ссылке для замораживания графика: https://github.com/jayshah19949596/Tensorboard-Visualization-Freezing-Graph
• вам нужно использовать tensorflow.python.tools.freeze_graph() функция для преобразования вашего .ckpt подать в .pb файл

• Ниже строка кода показывает, как вы это делаете

  freeze_graph.freeze_graph(input_graph_path,
                            input_saver_def_path,
                            input_binary,
                            input_checkpoint_path,
                            output_node_names,
                            restore_op_name,
                            filename_tensor_name,
                            output_graph_path,
                            clear_devices,
                            initializer_nodes)
  

  • input_graph_path: путь к .pb файл, где вы будете писать свой график, и это .pb файл не заморожен вы будете использовать tf.train.write_graph() написать график
  • input_saver_def_path: вы можете оставить его пустой строкой
  • input_binary: это логическое значение, оставьте его ложным, чтобы генерируемый файл не был двоичным и читаемым человеком
  • input_checkpoint_path: путь к .ckpt file
  • output_graph_path: путь, куда вы хотите написать pb файл
  • clear_devices: логическое значение... оставьте его ложным
  • output_node_names: явные имена тензорных узлов, которые вы хотите сохранить
  • restore_op_name: строковое значение, которое должно быть "save / restore_all"
  • filename_tensor_name = "save / Const: 0"
  • initializer_nodes = ""