Python 将Keras K.函数（）冻结为tensorflow图

我有一个在Keras中训练过的模型，我使用

K.function（）

使用它的中间层输出。有没有办法将此

K.function（）

对象保存为tensorflow图？我想在tensorflow服务中使用此对象，但我看不到冻结Keras

K.function（）

对象的方法。我最终找到了它，我想我应该在这里发布它，以防将来有人需要它。我必须从

K.function（）

对象中获取节点名称

encoder = K.function([...])  # define your Function object
encoder_tensor_names = [t.name for t in encoder.outputs]
encoder_node_names = [tn.replace(':0', '') for tn in encoder_tensor_names]  # node names are tensor names without :0
graph_def = tf.graph_util.convert_variables_to_constants(
    K.get_session(), 
    K.get_session().graph.as_graph_def(), 
    encoder_node_names 
)

---

然后按照中的代码写出二进制（或文本）文件。它的美妙之处在于tensorflow足够聪明，只保留了前馈操作所需的图形部分，在我的例子中，它还冻结了单词嵌入，因此我不再需要单独的单词向量文件。

不确定我是否正确理解它，但是，如果您想要冻结层，您可以对每个层使用trainable属性，如前所述，而这不是我想要的。我想把它冻结成一个tensorflow图，这样我就可以使用tensorflow服务了。不是keras模特或是Layer看看这个：谢谢@Marcpah。我对代码进行了一些修改，使其适用于K.function对象，而不是整个keras模型。见下文