Tensorflow使用多个ckpt.data文件导出冻结图

我已经完成了目标检测网络的培训，从预先培训的ssd_mobilenet_v2_coco模型开始，再培训检测我自己的10门课程。我首先在我的笔记本电脑上训练我的模型，所有的训练都按计划进行，但训练太慢，效果不佳。我重新开始了谷歌云服务的培训，现在输出的文件是

model.ckpt-*.data-00000-of-00003
model.ckpt-*.data-00001-of-00003
model.ckpt-*.data-00002-of-00003
model.ckpt-*.index
model.ckpt-*.meta

（而不是单个model.ckpt-*.data-00000-of-00001文件）

我在这组文件上正常运行了export_expression_graph.py脚本，并得到了一个冻结的_expression_graph.pb文件，但当我尝试将其插入到我的代码的其余部分时，就像使用预先训练的模型一样，我得到了以下错误：

libc++abi.dylib: terminating with uncaught exception of type cv::Exception:OpenCV(4.0.1) 
/tmp/opencv-20190105-31032-o160to/opencv-4.0.1/modules/dnn/src/tensorflow/tf_importer.cpp:530: 
error: (-2:Unspecified error) Const input blob for weights not found in function 'getConstBlob'

我认为这是因为导出模型时，没有完全/正确地合并所有三个.data文件。我想知道如何使用这三个文件导出冻结的图形，或者如何将这三个文件压缩/组合成一个.data文件

更新：export_interference_graph.py的内容：

import tensorflow as tf
from google.protobuf import text_format
from object_detection import exporter
from object_detection.protos import pipeline_pb2

slim = tf.contrib.slim
flags = tf.app.flags

flags.DEFINE_string('input_type', 'image_tensor', 'Type of input node. Can be '
                    'one of [`image_tensor`, `encoded_image_string_tensor`, '
                    '`tf_example`]')
flags.DEFINE_string('input_shape', None,
                    'If input_type is `image_tensor`, this can explicitly set '
                    'the shape of this input tensor to a fixed size. The '
                    'dimensions are to be provided as a comma-separated list '
                    'of integers. A value of -1 can be used for unknown '
                    'dimensions. If not specified, for an `image_tensor, the '
                    'default shape will be partially specified as '
                    '`[None, None, None, 3]`.')
flags.DEFINE_string('pipeline_config_path', None,
                    'Path to a pipeline_pb2.TrainEvalPipelineConfig config '
                    'file.')
flags.DEFINE_string('trained_checkpoint_prefix', None,
                    'Path to trained checkpoint, typically of the form '
                    'path/to/model.ckpt')
flags.DEFINE_string('output_directory', None, 'Path to write outputs.')
flags.DEFINE_string('config_override', '',
                    'pipeline_pb2.TrainEvalPipelineConfig '
                    'text proto to override pipeline_config_path.')
flags.DEFINE_boolean('write_inference_graph', False,
                     'If true, writes inference graph to disk.')
tf.app.flags.mark_flag_as_required('pipeline_config_path')
tf.app.flags.mark_flag_as_required('trained_checkpoint_prefix')
tf.app.flags.mark_flag_as_required('output_directory')
FLAGS = flags.FLAGS

def main(_):
  pipeline_config = pipeline_pb2.TrainEvalPipelineConfig()
  with tf.gfile.GFile(FLAGS.pipeline_config_path, 'r') as f:
    text_format.Merge(f.read(), pipeline_config)
  text_format.Merge(FLAGS.config_override, pipeline_config)
  if FLAGS.input_shape:
    input_shape = [
        int(dim) if dim != '-1' else None
        for dim in FLAGS.input_shape.split(',')
    ]
  else:
    input_shape = None
  exporter.export_inference_graph(
      FLAGS.input_type, pipeline_config, FLAGS.trained_checkpoint_prefix,
      FLAGS.output_directory, input_shape=input_shape,
      write_inference_graph=FLAGS.write_inference_graph)


if __name__ == '__main__':

  tf.app.run()

使用以下标志运行此脚本的命令：

python scripts/export_inference_graph.py \
    --input_type image_tensor \
    --pipeline_config_path training/ssd_mobilenet_v3_coco.config \
    --checkpoint_path gsc/model.ckpt-${CHECKPOINT_NUMBER} \
    --inference_graph_path gsc/output_inference_graph.pb

---

我们能看到export\u expression\u graph.py吗？@decentgradent刚刚添加了它！您是否可以尝试将检查点路径作为目录运行，而不指向特定的model.ckptfile@DecentGradient将--checkpoint\u路径更改为仅gsc目录将提供

absl.flags.\u exceptions.IllegalFlagValueError:flag--trained\u checkpoint\u prefix=None:flag--trained\u checkpoint\u prefix的值必须不是无

谢谢，您可以尝试使用--trained_checkpoint_prefix gsc/models.ckpt运行吗我们可以看到export_interference_graph.py吗？@decentgradent刚刚添加了它！您是否可以尝试将检查点路径作为目录运行，而不指向特定的model.ckptfile@DecentGradient将--checkpoint\u路径更改为仅gsc目录将提供

absl.flags.\u exceptions.IllegalFlagValueError:flag--trained\u checkpoint\u prefix=None:flag--trained\u checkpoint\u prefix的值必须不是无

谢谢，您可以尝试使用--trained_checkpoint_前缀gsc/models.ckpt运行吗