Matlab 如何将训练过的TF网络导出到h5文件

我有一个经过训练的模型保存在3个文件中，还有一些tensorflow（1.x）代码行可以使用它。 我需要将模型转换为.h5（keras），以便在Matlab中导入它

模型保存在3个文件中：

• xxx.ckpt.data-00000-of-00001
• xxx.ckpt.index
• xxx.ckpt.meta

tensorflow代码行如下所示：

zzz = "a function of the previous line"
session_name = "a function of xxx"
sess = tf.Session()  
saver = tf.train.Saver()
saver.restore(sess,session_name)
output=sess.run(zzz, ...)

是否可以将经过培训的网络导出为H5文件？ 如果是，怎么做

---

补充：我已经向一位朋友提出了要求，显然这不可能直接实现，因为首先，我必须“翻译”Keras的网络结构。这一步对于我在该领域的级别来说太难了。

据我所知，目前还没有使用检查点文件并直接转换到h5（keras）的方法。相反，您可以通过如下所述的一些变通方法来实现这一点

如果您想要网络架构，那么您需要在Keras中重写代码

如果您只想转换权重（假设您有相同模型的代码），则必须使用随机权重创建一个模型，然后使用

tf.train.NewCheckpointReader

读取

TensorFlow.ckpt

文件，然后为每个对应层调用

set_weights（）

方法 下面提到的相同的示例代码：

reader = tf.train.NewCheckpointReader(filename)

for key in reader.get_variable_to_shape_map():
    # not saving the following tensors
    if key == 'global_step':
        continue
    if 'AuxLogit' in key:
        continue

    # convert tensor name into the corresponding Keras layer weight name and save
    path = os.path.join(output_folder, get_filename(key))
    arr = reader.get_tensor(key)
    np.save(path, arr)

您可以使用保存的.npy文件输出h5（keras）中的模型权重，如下所示

for layer in tqdm(model.layers):
    if layer.weights:
        weights = []
        for w in layer.weights:
            weight_name = os.path.basename(w.name).replace(':0', '')
            weight_file = layer.name + '_' + weight_name + '.npy'
            weight_arr = np.load(numpy_weight_file)

        # remove the "background class"
        if weight_file.startswith('Logits_bias'):
            weight_arr = weight_arr[1:]
        elif weight_file.startswith('Logits_kernel'):
            weight_arr = weight_arr[:, 1:]

        weights.append(weight_arr)
    layer.set_weights(weights)
model.save_weights("Keras_model.h5")

---

@Zal78-如果答案回答了您的问题，请向上投票并接受答案。非常感谢。