Keras模型转成tensorflow的.pb操作_Python

Keras模型转成tensorflow的.pb操作

2020-07-07 10:40VickyD1023 Python

这篇文章主要介绍了Keras模型转成tensorflow的.pb操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

Keras的.h5模型转成tensorflow的.pb格式模型，方便后期的前端部署。直接上代码

									from keras.models import Model

									from keras.layers import Dense, Dropout

									from keras.applications.mobilenet import MobileNet

									from keras.applications.mobilenet import preprocess_input

									from keras.preprocessing.image import load_img, img_to_array

									import tensorflow as tf

									from keras import backend as K

									import os

									base_model = MobileNet((None, None, 3), alpha=1, include_top=False, pooling='avg', weights=None)

									x = Dropout(0.75)(base_model.output)

									x = Dense(10, activation='softmax')(x)

									model = Model(base_model.input, x)

									model.load_weights('mobilenet_weights.h5')

									def freeze_session(session, keep_var_names=None, output_names=None, clear_devices=True):

									 from tensorflow.python.framework.graph_util import convert_variables_to_constants

									 graph = session.graph

									 with graph.as_default():

									  freeze_var_names = list(set(v.op.name for v in tf.global_variables()).difference(keep_var_names or []))

									  output_names = output_names or []

									  output_names += [v.op.name for v in tf.global_variables()]

									  input_graph_def = graph.as_graph_def()

									  if clear_devices:

									   for node in input_graph_def.node:

									    node.device = ""

									  frozen_graph = convert_variables_to_constants(session, input_graph_def,

									             output_names, freeze_var_names)

									  return frozen_graph

									output_graph_name = 'NIMA.pb'

									output_fld = ''

									#K.set_learning_phase(0)

									print('input is :', model.input.name)

									print ('output is:', model.output.name)

									sess = K.get_session()

									frozen_graph = freeze_session(K.get_session(), output_names=[model.output.op.name])

									from tensorflow.python.framework import graph_io

									graph_io.write_graph(frozen_graph, output_fld, output_graph_name, as_text=False)

									print('saved the constant graph (ready for inference) at: ', os.path.join(output_fld, output_graph_name))

补充知识：keras h5 model 转换为tflite

在移动端的模型,若选择tensorflow或者keras最基本的就是生成tflite文件，以本文记录一次转换过程。

环境

tensorflow 1.12.0

python 3.6.5

h5 model saved by `model.save('tf.h5')`

直接转换

									`tflite_convert --output_file=tf.tflite --keras_model_file=tf.h5`

									output

									`TypeError: __init__() missing 2 required positional arguments: 'filters' and 'kernel_size'`

先转成pb再转tflite

									```

									git clone git@github.com:amir-abdi/keras_to_tensorflow.git

									cd keras_to_tensorflow

									python keras_to_tensorflow.py --input_model=path/to/tf.h5 --output_model=path/to/tf.pb

									tflite_convert \

									 --output_file=tf.tflite \

									 --graph_def_file=tf.pb \

									 --input_arrays=convolution2d_1_input \

									 --output_arrays=dense_3/BiasAdd \

									 --input_shape=1,3,448,448

									```

参数说明，input_arrays和output_arrays是model的起始输入变量名和结束变量名，input_shape是和input_arrays对应

官网是说需要用到tenorboard来查看，一个比较trick的方法

先执行上面的命令，会报convolution2d_1_input找不到，在堆栈里面有convert_saved_model.py文件，get_tensors_from_tensor_names()这个方法，添加`print(list(tensor_name_to_tensor))` 到 tensor_name_to_tensor 这个变量下面，再执行一遍，会打印出所有tensor的名字，再根据自己的模型很容易就能判断出实际的name。

以上这篇Keras模型转成tensorflow的.pb操作就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。

原文链接：https://blog.csdn.net/q6324266/article/details/85262438