Python 如何优化一个简单、保存的TensorFlow 1.0.1图的推理？

我无法在一个简单保存的TensorFlow图（Python 2.7；由

pip安装TensorFlow gpu==1.0.1安装的包）上成功运行
optimize\u for\u推断
模块

背景
保存张量流图
下面是我的Python脚本，用于生成并保存一个简单的图形，以便将5添加到我的输入
x
占位符
操作中

import tensorflow as tf

# make and save a simple graph
G = tf.Graph()
with G.as_default():
    x = tf.placeholder(dtype=tf.float32, shape=(), name="x")
    a = tf.Variable(5.0, name="a")
    y = tf.add(a, x, name="y")
    saver = tf.train.Saver()

with tf.Session(graph=G) as sess:
    sess.run(tf.global_variables_initializer())
    out = sess.run(fetches=[y], feed_dict={x: 1.0})
    print(out)
    saver.save(sess=sess, save_path="test_model")

恢复张量流图
我有一个简单的还原脚本，可以重新创建保存的图形并还原图形参数。两个保存/还原脚本都产生相同的输出

import tensorflow as tf

# Restore simple graph and test model output
G = tf.Graph()

with tf.Session(graph=G) as sess:
    # recreate saved graph (structure)
    saver = tf.train.import_meta_graph('./test_model.meta')
    # restore net params
    saver.restore(sess, tf.train.latest_checkpoint('./'))

    x = G.get_operation_by_name("x").outputs[0]
    y = G.get_operation_by_name("y").outputs
    out = sess.run(fetches=[y], feed_dict={x: 1.0})
    print(out[0])

优化尝试
但是，虽然我对优化没有太多期望，但当我尝试优化图形进行推理时，我得到以下错误消息。预期的输出节点似乎不在保存的图形中

$ python -m tensorflow.python.tools.optimize_for_inference --input test_model.data-00000-of-00001 --output opt_model --input_names=x --output_names=y  
Traceback (most recent call last):  
  File "/usr/lib/python2.7/runpy.py", line 174, in _run_module_as_main  
    "__main__", fname, loader, pkg_name)  
  File "/usr/lib/python2.7/runpy.py", line 72, in _run_code  
    exec code in run_globals  
  File "/{path}/lib/python2.7/site-packages/tensorflow/python/tools/optimize_for_inference.py", line 141, in <module>  
    app.run(main=main, argv=[sys.argv[0]] + unparsed)  
  File "/{path}/local/lib/python2.7/site-packages/tensorflow/python/platform/app.py", line 44, in run  
    _sys.exit(main(_sys.argv[:1] + flags_passthrough))
  File "/{path}/lib/python2.7/site-packages/tensorflow/python/tools/optimize_for_inference.py", line 90, in main  
    FLAGS.output_names.split(","), FLAGS.placeholder_type_enum)  
  File "/{path}/local/lib/python2.7/site-packages/tensorflow/python/tools/optimize_for_inference_lib.py", line 91, in optimize_for_inference  
    placeholder_type_enum)  
  File "/{path}/local/lib/python2.7/site-packages/tensorflow/python/tools/strip_unused_lib.py", line 71, in strip_unused  
    output_node_names)  
  File "/{path}/local/lib/python2.7/site-packages/tensorflow/python/framework/graph_util_impl.py", line 141, in extract_sub_graph  
    assert d in name_to_node_map, "%s is not in graph" % d  
AssertionError: y is not in graph  

具体问题
为什么我在检查点中看不到
x
和
y
？是因为它们是运算而不是张量吗
由于我需要为
optimize\u for\u inference
模块提供输入和输出名称，因此如何构建图形以便引用输入和输出节点
您做错了：
input
是用于的graphdef文件，而不是检查点的数据部分。您需要将模型冻结到
.pb
文件/或获取用于图形的prototxt并使用用于推理的优化脚本
此脚本获取冻结的二进制GraphDef文件（其中
变量已通过冻结（图形脚本）或
文本图形DEF原型文件（权重变量存储在单独的
检查点文件），并输出应用了优化的新GraphDef。

使用获取图形原型文件
得到冻结的模型
以下是关于如何优化推理的详细指南：

optimized_for_推断
模块将一个
冻结的二进制图形Def
文件作为输入，并输出可用于推断的
optimized Graph Def
文件。要获得
冻结的二进制GraphDef文件
，您需要使用模块
冻结图
，该模块采用
GraphDef协议
、一个
SaverDef协议
和一组存储在检查点文件中的变量。实现这一目标的步骤如下所示：

1.保存张量流图
2.冻结图
3.优化推理
4.使用优化图
5.用于多个输出名称
如果有多个输出节点，则指定：
output\u node\u names='box，scores，classes'
并按导入图形

 boxes,scores,classes, = tf.import_graph_def(graph_def_optimized, return_elements=['boxes:0', 'scores:0', 'classes:0'])

这是一个非常有帮助、建设性和详细的回答。非常感谢。回答得很好！您的评论非常宝贵，因为我不知道您必须单独保存图表和检查点。顺便说一句，我确实必须将
--input\u checkpoint test\u model
更改为
--input\u checkpoint./test\u model
，才能使
冻结图
正常工作。@vijaym如何指定是否有多个输出--output\u names='cat'，“shape”这不起作用。为什么需要调用
全局变量\u初始值设定项。为冻结的图形运行
虽然？@user1050619指定多个输出：
--output\u names='cat，shape'
。注意昏迷后没有空间
 # make and save a simple graph
 G = tf.Graph()
 with G.as_default():
   x = tf.placeholder(dtype=tf.float32, shape=(), name="x")
   a = tf.Variable(5.0, name="a")
   y = tf.add(a, x, name="y")
   saver = tf.train.Saver()

with tf.Session(graph=G) as sess:
   sess.run(tf.global_variables_initializer())
   out = sess.run(fetches=[y], feed_dict={x: 1.0})

  # Save GraphDef
  tf.train.write_graph(sess.graph_def,'.','graph.pb')
  # Save checkpoint
  saver.save(sess=sess, save_path="test_model")

python -m tensorflow.python.tools.freeze_graph --input_graph graph.pb --input_checkpoint test_model --output_graph graph_frozen.pb --output_node_names=y

python -m tensorflow.python.tools.optimize_for_inference --input graph_frozen.pb --output graph_optimized.pb --input_names=x --output_names=y

with tf.gfile.GFile('graph_optimized.pb', 'rb') as f:
   graph_def_optimized = tf.GraphDef()
   graph_def_optimized.ParseFromString(f.read())

G = tf.Graph()

with tf.Session(graph=G) as sess:
    y, = tf.import_graph_def(graph_def_optimized, return_elements=['y:0'])
    print('Operations in Optimized Graph:')
    print([op.name for op in G.get_operations()])
    x = G.get_tensor_by_name('import/x:0')
    out = sess.run(y, feed_dict={x: 1.0})
    print(out)

#Output
#Operations in Optimized Graph:
#['import/x', 'import/a', 'import/y']
#6.0

 boxes,scores,classes, = tf.import_graph_def(graph_def_optimized, return_elements=['boxes:0', 'scores:0', 'classes:0'])