Tensorflow 我可以从.pb文件中获取Keras模型吗?
我有一个VGG模型的ptocolbuffer文件。我需要生成keras模型。我可以使用.pb文件生成Keras模型,以便使用诸如summary之类的Keras功能吗 我在tf中加载了.pb文件并生成模型cofigs和层权重Tensorflow 我可以从.pb文件中获取Keras模型吗?,tensorflow,keras,model,protocol-buffers,Tensorflow,Keras,Model,Protocol Buffers,我有一个VGG模型的ptocolbuffer文件。我需要生成keras模型。我可以使用.pb文件生成Keras模型,以便使用诸如summary之类的Keras功能吗 我在tf中加载了.pb文件并生成模型cofigs和层权重 将tensorflow导入为tf 从tensorflow.python.platform导入gfile 从tensorflow.python.framework导入tensor\u util GRAPH_PB_PATH='./small_vgg_tf_GRAPH.PB' 使用
将tensorflow导入为tf
从tensorflow.python.platform导入gfile
从tensorflow.python.framework导入tensor\u util
GRAPH_PB_PATH='./small_vgg_tf_GRAPH.PB'
使用tf.Session()作为sess:
打印(“加载图”)
将gfile.FastGFile(图形路径,'rb')作为f:
graph_def=tf.GraphDef()
graph_def.ParseFromString(f.read())
sess.graph.as_default()
tf.import_graph_def(graph_def,name='')
图_节点=[n表示图_定义节点中的n]
名称=[]
对于图_节点中的t:
name.append(t.name)
以open('names.txt','w')作为fh:
以我的名义:
fh.write(str(i)+'\n')
权重_节点=[n表示图中的n_def.node,如果n.op=='Const']
打开('weights.txt','w')作为fh:
对于n个in-weight_节点:
fh.write(“节点的名称-%s”%n.Name+'\n')
fh.写入(“值-”)
fh.write(str(tensor_util.makendaray(n.attr['value'].tensor))+'\n')
以open('ops.txt','w')作为fh:
对于sess.graph.get_操作()中的操作:
fh.write(str(op)+'\n')
我想生成类似于Keras的摘要文件嗨,对不起,时间太长了,但我想知道您现在有解决方案吗?(因为我也有同样的问题)