Python TF目标检测动物园模型不'；你没有可训练的变量吗？

中的模型有meta+ckpt文件、freezed.pb文件和保存的_模型文件

我尝试使用meta+ckpt文件进行进一步训练，并提取特定张量的权重，以用于研究目的。我看到模型没有任何可训练的变量

vars = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES)
print(vars)

上面的代码片段给出了一个

[]

列表。我还试着使用以下方法

vars = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES)
print(vars)

我再次得到一个

[]

列表

这怎么可能？模型是否去掉了变量？或者是

tf.变量（trainable=False）

？在哪里可以获得带有有效可训练变量的meta+ckpt文件。我特别关注SSD+mobilnet型号

更新：

下面是我用来还原的代码片段。它位于类中，因为我正在为某些应用程序制作自定义工具

def _importer(self):
    sess = tf.InteractiveSession()
    with sess.as_default():
        reader = tf.train.import_meta_graph(self.metafile,
                                            clear_devices=True)
        reader.restore(sess, self.ckptfile)

def _read_graph(self):
    sess = tf.get_default_session()
    with sess.as_default():
        vars = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES)
        print(vars)

更新2：

我还尝试了以下代码片段。简单的恢复风格

model_dir = 'ssd_mobilenet_v2/'

meta = glob.glob(model_dir+"*.meta")[0]
ckpt = meta.replace('.meta','').strip()

sess = tf.InteractiveSession()
graph = tf.Graph()
with graph.as_default():
    with tf.Session() as sess:
        reader = tf.train.import_meta_graph(meta,clear_devices=True)
        reader.restore(sess,ckpt)

        vari = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES)
        for var in vari:
            print(var.name,"\n")

---

上面的代码片段还提供了变量列表。经过一点研究，您的问题的最终答案是：不，他们没有。很明显，直到您意识到

saved_model

中的

variables

目录是空的

对象检测模型zoo提供的检查点文件包含以下文件：

.
|-- checkpoint
|-- frozen_inference_graph.pb
|-- model.ckpt.data-00000-of-00001
|-- model.ckpt.index
|-- model.ckpt.meta
|-- pipeline.config
`-- saved_model
    |-- saved_model.pb
    `-- variables

pipeline.config

是保存的模型的配置文件，

freezed\u expression\u graph.pb

用于现成的推理。请注意，

checkpoint

，

model.ckpt.data-00000-of-00001

，

model.ckpt.meta

和

model.ckpt.index

都对应于检查点。（你可以找到一个很好的解释）

因此，当您想要获取可训练变量时，唯一有用的是

保存的\u model

目录

使用SavedModel保存和加载模型变量、图形和图形的元数据。这是一种与语言无关的、可恢复的、封闭的序列化格式，使更高级别的系统和工具能够生成、使用和转换TensorFlow模型

要恢复

SavedModel

，您可以使用该api，该api包含一个名为

tags

的参数，该参数指定

MetaGraphDef

的类型。因此，如果要获取可训练变量，则需要在调用api时指定

tag_常量.TRAINING

我试图调用这个api来恢复变量，但它却给了我一个错误

在SavedModel中找不到与标记“train”关联的MetaGraphDef。要检查SavedModel中的可用标记集，请使用SavedModel CLI:

saved\u model\u CLI

因此，我执行了这个

saved\u model\u cli

命令来检查

SavedModel

中可用的所有标记

#from directory saved_model
saved_model_cli show --dir . --all

输出是

MetaGraphDef with tag-set: 'serve' contains the following SignatureDefs:
...
signature_def['serving_default']:
  ...

因此，在这个

SavedModel

中没有标签

train

，只有

service

。因此，此处的

SavedModel

仅用于tensorflow服务。这意味着当这些文件在创建时未使用标记

training

指定时，无法从这些文件中恢复任何训练变量

注意：下面的代码是我用来恢复

SavedModel

的。当设置

tag_常量。TRAINING

时，加载无法完成，但当设置

tag_常量。service

时，加载成功，但变量为空

graph = tf.Graph()
with tf.Session(graph=graph) as sess:
  tf.saved_model.loader.load(sess, [tf.saved_model.tag_constants.TRAINING], export_dir)
  variables = graph.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES)
  print(variables)

---

p.p.S:我找到了创建

SavedModel

的脚本。可以看出，在创建

SavedModel

时，确实没有

train

标记。为了提高性能，图形可能已将变量替换为常量。但是，我不知道在哪里可以找到可训练的模型。@Addy我知道

.Pb

文件会将变量转换为常量以提高推理性能。但是meta+ckpt是用来访问变量进行进一步培训的。如果我错了，请纠正我。因为，这些都是相同的

chkpt

，可用于恢复和优化tf管道配置文件中的模型。从您提供的链接中我看到，

.ckpt

文件也应该包含可训练的变量。因此，我唯一没有看到代码的地方是，您可能没有正确加载检查点，或者它没有加载到默认图形。如果您提供了一个包含还原本身的代码示例，则可以说得更多。@Addy我已经用我为导入所做的最小代码片段进行了更新。此代码段经过了许多其他模型的完美测试，这些模型是

meta+ckpt

。现在我在想，detection zoo模型是否可能是meta+ckpt的不同版本？不清楚，谢谢你的详细解释。因此，在结论中，你是说，Tf没有给一个模型提供链接，这个模型有可训练的变量，但只有可推理的模型？另外，添加到您提到的管道配置中，我是否可以使用上述检查点运行管道，并在配置中指定保存可训练模型的保存方法？但我必须说，有一种方法可以获得所有可训练变量。只要通过运行

model_main.py

启动培训课程，就会创建一个图表，您可以拥有可培训变量（使用tensorboard，您可以检查链接到操作

培训的所有变量）。但是对于动物园里提供的预训练模型，你似乎无法从中获得可训练的变量。太好了。我一定会试试的。最后一个问题，我是否应该单独构建
tensorflow/models
repo？或者只是克隆可以直接运行？如果你能告诉我哪里是
model\u main.py
，那会很有帮助。只需克隆repo。但是您必须安装api fir
#from directory saved_model
saved_model_cli show --dir . --all