如何从TensorFlow检查点或模型创建SavedModel？

我得到了一个TensorFlow检查点和一个导出的模型，但是为了使用Google ML Cloud服务一个模型，我需要一个

保存的\u model.pbtxt

文件。似乎我需要加载检查点并使用

SavedModelBuilder

，但是

SavedModelBuilder

需要输入和输出节点名称的字典

我的问题是，考虑到检查点或导出的模型（如下），如何找到生成

pbtxt

文件所需的节点名称，以便通过Google的ML云服务为模型提供服务

checkpoint
export.data-00000-of-00001
export.index
export.meta
options.json

---

export.meta应该是一个proto。因此，您应该能够解析proto以获得。然后可以搜索节点以查找感兴趣的节点

比如：

import argparse
从tensorflow.core.protobuf导入元图
导入日志记录
如果名称=“\uuuuu main\uuuuuuuu”：
parser=argparse.ArgumentParser(
description='Argument parser'）
parser.add_参数（'--path',，
必需=真，
help='元数据图形文件的路径。'）
args=parser.parse_args（）
打开（args.path，'r'）作为hf时：
graph=meta\u graph\u pb2.MetaGraphDef.FromString（hf.read（））
打印“图形：\n{0}”。格式（图形）

---

我认为您还应该能够将TensorBoard指向包含该文件的目录，TensorBoard将呈现图形，并使用该图形识别输入/输出节点的名称。

感谢您的帮助，这非常有用！还有一个问题，请原谅我的无知，但是我们如何解释这个文件呢？整个图形的输入和输出是否位于特定位置，或者是否有一些文档提供了有关格式的详细信息？因此，通常您可以访问源代码，只需查看代码即可查看输入/输出的名称。如果您想识别export.meta的输入/输出，您需要做一些工作。我认为TensorBoard可以让你可视化图形。此时，您可以直观地识别输入/输出并获得名称。TF代码库中可能有其他工具。