tensorflow的模型了解及freeze

新版本的tensorflow, 在訓練完畢後，用tf.train.Saver儲存模型的時候，一般檔案夾中會出現四個類似字樣的檔案，如下：

checkpoint : 記錄儲存的模型的名字

graph.ckpt.data-00000-of-00001　: 儲存所有變量的取值（權重，偏移等）

graph.ckpt.index：儲存所有的變量名稱

graph.ckpt.meta：儲存計算圖的結構

這樣的模型組織形式，在c++部署中應用起來比不友善，需要将參數固化在圖裡，成為一個*.pb模型檔案，下面是freeze的代碼，請參考：

import os, argparse
import tensorflow as tf

dir = os.path.dirname(os.path.realpath(__file__))


def freeze_graph(model_folder):
    checkpoint = tf.train.get_checkpoint_state(model_folder)　＃原始模型路徑字首名稱
    input_checkpoint = checkpoint.model_checkpoint_path
    absolute_model_folder = "/".join(input_checkpoint.split('/')[:-1])
    output_graph = "./video_lib" + "/frozen_model.pb"　＃輸出的模型路徑
    output_node_names = "SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits"　＃指定所需要的輸出層（節點的名稱）

    clear_devices = True

    saver = tf.train.import_meta_graph(input_checkpoint + '.meta', clear_devices=clear_devices)　＃導入graph

    graph = tf.get_default_graph()
    #for op in graph.get_operations():
    #    print (op.name, op.values())
    input_graph_def = graph.as_graph_def()

    for node in input_graph_def.node: #輸出每個節點的名稱，可以檢視，并确定上面的output_node_names
        print node.name


    with tf.Session() as sess:
        saver.restore(sess, input_checkpoint)　＃恢複原始儲存的模型到tensorflow的session中

        output_graph_def = tf.compat.v1.graph_util.convert_variables_to_constants(sess, input_graph_def, output_node_names.split(","))　＃轉換變量為常量，并儲存到graph中

        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))

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument("--model_folder", type=str, help="Model folder to export")
    args = parser.parse_args()

    freeze_graph(args.model_folder)