Tensorflow 将冻结的模型（.pb）转换为保存的模型

最近，我尝试将模型（tf1.x）转换为保存的_模型，并遵循官方的方法。然而，在我的用例中，我手中的大多数模型或tensorflow model zoo通常是pb文件，根据

没有直接的方法将raw Graph.pb文件升级到TensorFlow 2.0，但如果您有一个“冻结图”（变量已转换为常量的tf.Graph），则可以使用v1.wrap\u函数将其转换为具体的函数：

但我仍然不明白如何在TF1模式下转换为。

：

将tensorflow导入为tf
从tensorflow.python.saved_model导入签名_常量
从tensorflow.python.saved_model导入标记_常量
def convert_pb_to_server_model（pb_model_路径、导出目录、输入名称='input:0'，输出名称='output:0'）：
图形定义=读取pb模型（pb模型路径）
转换已保存的模型（图形定义、导出目录、输入名称、输出名称）
def read_pb_模型（pb_模型路径）：
将tf.gfile.gfile（pb_model_path，“rb”）作为f：
graph_def=tf.GraphDef（）
graph_def.ParseFromString（f.read（））
返回图
def convert_pb_saved_模型（图形_def、导出目录、输入_name='input:0'，输出_name='output:0'）：
builder=tf.saved\u model.builder.SavedModelBuilder（导出目录）
sigs={}
使用tf.Session（graph=tf.graph（））作为sess：
tf.import_graph_def（graph_def，name=”“）
g=tf.get_default_graph（）
inp=g.通过名称获取张量（输入名称）
out=g.通过名称获取张量（输出名称）
sigs[signature_constants.DEFAULT_SERVING_signature_DEF_KEY]=\
tf.saved_model.signature_def_utils.predict_signature_def(
{“输入”：inp}，{“输出”：out}）
添加元图和变量（SES，
[tag_constants.SERVING]，
签名_def_map=sigs）
builder.save（）

在TF2模式下：

将tensorflow导入为tf
从tensorflow.python.framework.convert_to_constants导入convert_variables_to_constants_v2_as_graph
从tensorflow.lite.python.util导入运行图优化，获取图配置
将numpy作为np导入
def冻结图（func模型）：
冻结函数，图定义=将变量转换为常数，将v2转换为图（函数模型）
输入张量=[
冻结函数输入中张量的张量
如果tensor.dtype！=tf.resource
]
输出张量=冻结函数输出
图形定义=运行图形优化(
图形_def，
输入_张量，
输出_张量，
config=get\u grappler\u config（[“constfold”，“function”]），
图=冻结函数图）
返回图
def将_keras_model_转换为_pb（）：
keras_模型=列车_模型（）
func_model=tf.function（keras_model）.get_concrete_函数（tf.TensorSpec（keras_model.inputs[0].shape，keras_model.inputs[0].dtype））
graph_def=冻结的keras图（函数模型）
tf.io.write_graph（graph_def、/tmp/tf_model3、'freezed_graph.pb'）
def将_保存的_模型_转换为_pb（）：
model_dir='/tmp/saved_model'
model=tf.saved\u model.load（model\u dir）
func_model=model.signatures[“默认服务”]
graph_def=冻结的keras图（函数模型）
tf.io.write_graph（graph_def、/tmp/tf_model3、'freezed_graph.pb'）

或：

def将保存的模型转换为pb（输出节点名称、输入保存的模型目录、输出图表目录）：
从tensorflow.python.tools导入冻结图
输出节点名称='，'。连接（输出节点名称）
冻结图形。冻结图形（输入图形=无，输入图形=无，
输入\二进制=无，
输入检查点=无，
输出节点名称=输出节点名称，
restore_op_name=None，
filename\u tensor\u name=None，
output\u graph=output\u graph\u dir，
清除设备=无，
初始值设定项\节点=无，
输入\保存\模型\目录=输入\保存\模型\目录）
def save_output_tensor_to_pb（）：
输出\u名称=['StatefulPartitionedCall']
保存模型路径='/tmp/pb\u model/freeze\u graph.pb'
model_dir='/tmp/saved_model'
将\u保存的\u模型\u转换为\u pb（输出\u名称、模型\u目录、保存\u pb\u模型\u路径）

为了确保我的理解是否正确，我还发布了我学到的内容：

如果有人希望将tf1.x迁移到tf2.x，请遵循第一条

在tensorflow 2.0中，tf.train.Saver已被替换为

如果有人想将pb模型从tf1.x转换为保存的_模型，您可以按照@boloyu-answer进行操作。但如果运行时环境高于tf2.0，则可以使用以下代码：

import tensorflow.compat.v1 as tf 
tf.disable_v2_behavior()
from tensorflow.python.saved_model import signature_constants
from tensorflow.python.saved_model import tag_constants

def covert_pb_to_server_model(pb_model_path, export_dir, input_name='input', output_name='output'):
    graph_def = read_pb_model(pb_model_path)
    covert_pb_saved_model(graph_def, export_dir, input_name, output_name)


def read_pb_model(pb_model_path):
    with tf.gfile.GFile(pb_model_path, "rb") as f:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())
        return graph_def


def covert_pb_saved_model(graph_def, export_dir, input_name='input', output_name='output'):
builder = tf.saved_model.builder.SavedModelBuilder(export_dir)

sigs = {}
with tf.Session(graph=tf.Graph()) as sess:
    tf.import_graph_def(graph_def, name="")
    g = tf.get_default_graph()
    inp = g.get_tensor_by_name(input_name)
    out = g.get_tensor_by_name(output_name)

    sigs[signature_constants.DEFAULT_SERVING_SIGNATURE_DEF_KEY] = \
        tf.saved_model.signature_def_utils.predict_signature_def(
            {"input": inp}, {"output": out})

    builder.add_meta_graph_and_variables(sess,
                                         [tag_constants.SERVING],
                                         signature_def_map=sigs)
    builder.save()

---

请加上补偿。你救了我一天，谢谢！！！对于任何使用tensorflow version>2.0的用户，“将tensorflow作为tf导入”应替换为将tensorflow.compat.v1作为tf导入。禁用\u v2\u行为（）如何知道输入和输出名称？@secsilm您可以使用

saved\u model\u cli show--dir

检查.pb信息。

值错误：“input”名称指的是操作，而不是张量。张量名称的格式必须为“：”。

at

inp=g.get\u Tensor\u by\u name（input\u name）