如何保存包含所有权重的TensorFlow 2目标检测模型？-Python问题

How to save Tensorflow 2 Object Detection Model including all weights?(如何保存包含所有权重的TensorFlow 2目标检测模型？)

本文介绍了如何保存包含所有权重的TensorFlow 2目标检测模型？的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！

问题描述

我正在使用PYTHON中的TensorFlow 2API进行对象检测。到目前为止，这个方法运行得很好。然而，如果我想保存模型，我使用的是exporter_main_v2.py，它导出一个图形(.pb)和一个检查点(checkpoint，ckpt-0.data，ckpt-0.index))。图表不不包括任何权重，我必须始终使用检查点来处理保存的模型。是否有办法将所有权重保存到Protobuf(.pb)文件中？

以下是我尝试过的内容：

保存冻结模型：TF2显然不再支持冻结图形。将冻结包含所有权重的图形的export_inference_graph.py在TF2下不起作用。
与freeze_graph.py相同：只能使用TF1

推荐答案

您仍然可以使用tf2中的冻结技术，使用compat.v1模块：

在下面的代码片段中，我假设您有一个预先训练好的模型，其权重以TF2方式保存，tf.saved_model.save。

graph = tf.Graph()
with graph.as_default():
    sess = tf.compat.v1.Session()
    with sess.as_default():
        # creating the model/loading it from a TF2 pb file
        # (If you have a keras model, you can use 
        #`tf.keras.models.load_model` instead). 
        model = tf.saved_model.load("/path/to/model")

# the default signature might be different.
sign = model.signatures["serving_default"]
# if using keras, just use model.outputs
tensor_out_names = [out.name.split(":")[0] for out in sign.outputs]
    
graphdef = tf.compat.v1.graph_util.convert_variables_to_constants(
    sess, graph.as_graph_def(), tensor_out_names
)
# the following is optional, use only if no more training is required
graphdef = tf.compat.v1.graph_util.remove_training_nodes(graphdef)
tf.python.framework.graph_io.write_graph(graphdef, "./", "/path/to/frozengraph", as_text=False)

但是，除非是出于与旧工具的兼容性原因，否则我不会这么做。compat模块可能有一天会被弃用，据我所知，只有一个文件包含图形+权重，而不是拆分它们，不会有很大的值。

这篇关于如何保存包含所有权重的TensorFlow 2目标检测模型？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！