Python中的Tensorflow Java Api `toGraphDef`等价物是什么？

我正在使用TensorFlowJavaAPI将已经创建的Tensorflow模型加载到JVM中。 我以此为例：

下面是我的简单scala代码：

import java.nio.file.{Files, Path, Paths}
import org.tensorflow.{Graph, Session, Tensor}

def readAllBytesOrExit(path: Path): Array[Byte] = Files.readAllBytes(path)
val graphDef = readAllBytesOrExit(Paths.get("PATH_TO_A_SINGLE_FILE_DESCRIBING_TF_MODEL.pb"))
val g = new Graph()
g.importGraphDef(graphDef)
val session = new Session(g)
val result: Tensor = session.runner().feed("input", image).fetch("output").run().get(0))

如何保存模型以将会话和图形存储在同一文件中。如上面的“路径到描述模型的单个文件”中所述

它提到：

图形的序列化表示，通常称为 GraphDef，可以由toGraphDef（）和其他版本中的等效项生成 语言API

其他语言API中的等价物是什么？我不觉得这很明显

---

注意：我已经查看了tensorflow下的mnist_saved_model.py，但是通过该过程保存它会给我一个

.pb

文件和一个

variables

文件夹。当尝试加载

.pb

文件时，我得到：

java.lang.IllegalArgumentException:Invalid GraphDef

当前使用tensorflow的java API，我只找到了如何将图形保存为GraphDef（即没有其变量和元数据）。只需将数组[Byte]写入文件即可：

Files.write(Paths.get(modelDir, modelName), myGraph.toGraphDef)

这里的

myGraph

是来自的java对象

我建议使用这里定义的API从Python API保存您的模型。它会将您的模型保存在一个文件夹中，其中包含.pb文件中的序列化图形和文件夹中的变量。请注意您在scala/java代码中使用的tag_常量，以加载带有变量的模型。然后，使用java api中的java类轻松地加载带有变量的图形和会话。它返回一个包装器，其中包含包含变量值的图形和会话：

val model = SavedModelBundle.load(modelDir, modelTag)

如果您已经尝试过这个方法，也许可以共享您的代码，看看它为什么返回无效的GraphDef

---

另一个选项是冻结图形，即将变量节点转换为常量节点，使所有内容都包含在.pb文件中。关于冻结部分的更多信息

我曾尝试使用，将图形加载到会话中是有意义的，但在运行会话时，变量不在那里。

SavedModelBundle

尚未发布，但我可以尝试重新编译并使用它。我将尝试冻结我的模型，看看是否有效。谢谢你说得对@DanielHasegan，你只需要从源代码构建JavaAPI依赖关系，我设法为冻结的模型提供服务，还需要将我的本机库重新编译到最新的1.1版本。谢谢你的帮助