Python 如何从给定的模型中获取Graph（或GraphDef）？

我有一个使用Tensorflow 2和Keras定义的大模型。 该模型在Python中运行良好。现在，我想把它导入到C++项目中。

我的C++项目中，我使用了<>代码> tfl图形输入Def>代码>函数。 如果我使用以下代码准备

*.pb

文件，它会工作得很好：

    with open('load_model.pb', 'wb') as f:
        f.write(tf.compat.v1.get_default_graph().as_graph_def().SerializeToString())

我已经在使用Tensorflow 1（使用tf.compat.v1.*函数）编写的简单网络上尝试了这段代码。它工作得很好

现在我想导出我的大模型（在开始时提到，使用TysFROUM 2）到C++项目中。为此，我需要从模型中获取一个

Graph

或

GraphDef

对象。问题是：如何做到这一点？我没有找到任何属性或函数来获取它

---

我还尝试使用

tf.saved\u model.save（model，'model'）

保存整个模型。它生成一个包含不同文件的目录，包括

保存的\u model.pb

文件。不幸的是，当我试图用C++来加载这个文件时，使用了<代码> Tfl CopyIngPotoDeF>代码>函数，程序抛出了一个异常。

< P>由不生成消息而生成的协议缓冲文件，但A。您可以在其中获得嵌入的图形，但这不会立即作为冻结图形工作，因此要正确获得它可能很困难。而不是这样，C++ API现在包括一个允许从目录加载整个保存模型的调用。应该是这样的：

#包括
#include//添加必要的TF include指令
使用名称空间std；
使用名称空间tensorflow；
int main（）
{
//保存的模型目录的路径
常量字符串导出_dir=“…”；
//负荷模型
地位；
保存的模型绑定包；
会话选项会话选项；
运行选项运行选项；
s=LoadSavedModel（会话选项、运行选项、导出目录、，
//tf.saved\u model.save设置的默认“serve”标记
{“服务”}，&bundle））；
如果（！.ok（））
{
cerr我找到了这个问题的以下解决方案：

g = tf.Graph()
with g.as_default():

    # Create model
    inputs = tf.keras.Input(...) 
    x = tf.keras.layers.Conv2D(1, (1,1), padding='same')(inputs)
    # Done creating model

    # Optionally get graph operations
    ops = g.get_operations()
    for op in ops:
        print(op.name, op.type)

    # Save graph
    tf.io.write_graph(g.as_graph_def(), 'path', 'filename.pb', as_text=False)


谢谢您提供的详细答案。我已经尝试过LoadSavedModel。不幸的是，安装包中提供的include文件中没有这样的声明：。我想在提供的库中也没有这样的函数。@IvanBychkov啊，所以如果您使用的是C API，是的，该函数本身不存在，但是您有，w他应该做同样的事情。