Python Tensorflow：从图形文件（.pb文件）中获取预测

我正在使用一个图形文件（pb文件），这个Tensorflow模型的目的是提供对特定图像的预测

我已经开发了一个加载图形文件的代码，但我不能统计会话。 可用文件包括：-

• 培训\u模型\u保存的\u模型.pb
• 变数
  • 培训\模型\变量\变量。数据-00000-of-00001
  • 培训\模型\变量\变量.index

输出是错误的，包含一个模型层的大列表。在这种情况下，我能做什么，非常感谢任何帮助

这是我用来加载/运行模型的代码

import tensorflow as tf
import sys
import os



import matplotlib.image as mpimg
import matplotlib.pyplot as plt


from tensorflow.core.protobuf import saved_model_pb2
from tensorflow.python.util import compat
from tensorflow.python.platform import gfile

export_dir = os.path.join("./", "variables/")
filename = "imgpsh_fullsize.jpeg"
raw_image_data = mpimg.imread(filename)

g = tf.Graph()
with tf.Session(graph=g) as sess:
   model_filename ='training_model_saved_model.pb'
   with gfile.FastGFile(model_filename, 'rb') as f:

        data = compat.as_bytes(f.read())
        sm = saved_model_pb2.SavedModel()
        sm.ParseFromString(data)
        #print(sm)
        if 1 != len(sm.meta_graphs):
                print('More than one graph found. Not sure which to write')
                sys.exit(1)

        image_input= tf.import_graph_def(sm.meta_graphs[0].graph_def,name='',return_elements=["input"])
        #print(image_input)
        #saver =  tf.train.Saver()
        saver = tf.train.import_meta_graph(sm.meta_graphs[0].graph_def)
        '''
        print(image_input)

        x = g.get_tensor_by_name("input:0")

        print(x)
        '''
        saver.restore(sess,model_filename)

        predictions = sess.run(feed_dict={image: raw_image_data})
        print('###################################################')
        print(predictions)

存在的错误是

Traceback (most recent call last):
  File "model_Input-get.py", line 35, in <module>
    saver = tf.train.import_meta_graph(sm.meta_graphs[0].graph_def)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/training/saver.py", line 1691, in import_meta_graph
    meta_graph_def = meta_graph.read_meta_graph_file(meta_graph_or_file)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/meta_graph.py", line 553, in read_meta_graph_file
    if not file_io.file_exists(filename):
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/lib/io/file_io.py", line 252, in file_exists
    pywrap_tensorflow.FileExists(compat.as_bytes(filename), status)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/util/compat.py", line 65, in as_bytes
    (bytes_or_text,))
TypeError: Expected binary or unicode string, got node {
  name: "input"
  op: "Placeholder"
  attr {
    key: "_output_shapes"
    value {
      list {
        shape {
          dim {
            size: -1
          }
        }
      }
    }
  }
  attr {
    key: "dtype"
    value {
      type: DT_STRING
    }
  }

回溯（最近一次呼叫最后一次）：
文件“model_Input-get.py”，第35行，在
saver=tf.train.import_meta_图（sm.meta_图[0].graph_def）
文件“/usr/local/lib/python2.7/dist packages/tensorflow/python/training/saver.py”，第1691行，在导入元图中
meta_graph_def=meta_graph.read_meta_graph_文件（meta_graph_或_文件）
文件“/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/meta_-graph.py”，第553行，在read_-meta_-graph_文件中
如果文件不存在，io.file存在（文件名）：
文件“/usr/local/lib/python2.7/dist packages/tensorflow/python/lib/io/File_io.py”，第252行，文件_中存在
pywrap_tensorflow.FileExists（compat.as_字节（文件名），状态）
文件“/usr/local/lib/python2.7/dist packages/tensorflow/python/util/compat.py”，第65行，以字节为单位
（字节或文本）
TypeError:应为二进制或unicode字符串，已获取节点{
名称：“输入”
op：“占位符”
属性{
键：“\u输出\u形状”
价值观{
名单{
形状{
暗淡的{
尺寸：-1
}
}
}
}
}
属性{
键：“数据类型”
价值观{
类型：DT_字符串
}
}

您似乎将TensorFlow服务的SavedModel格式与常规TensorFlow导出/还原功能混合在一起

这是TensorFlow代码库中一个特别令人困惑的部分，因为这种格式在首次出现时没有很好的文档记录，并且没有很多示例显示何时使用这种格式与原始格式相比

我的建议是：

切换到TF Serving并继续使用SavedModel格式，或

坚持原始导出/恢复模型格式

---

我在还原GraphFile时感到迷茫。我使用了SavedModel，因为当我尝试使用'graph_def=tf.GraphDef（）graph_def.ParseFromString（f.read（））g_in=tf.import_graph_def（graph_def）时“我得到protobuf.message.decodeError你建议在代码中编辑什么，你能提供更多细节吗？你说切换到TF服务是什么意思，我听说bazel在这里如何应用它