Tensorflow如何导出与使用预测图

星标或者置顶【OpenCV学堂】

干货教程第一时间送达！

tf.train.Saver API说明

保存于恢复变量，对定义好完成训练或者完成部分训练的计算图所有OP操作的中间变量进行保存，保存为检查点文件(checkpoint file)，检查点文件通过restore方法完成恢复，实现从变量到张量值(tensor value)得映射加载，可以进行调用或者继续训练。同时Saver支持全局步长参数，通过对不同的step自动保存为检查点

上述代码表示分别在step=0与step=1000的时候保存检查点。

Saver在保存检查点的时候默认保存计算图的全部变量，但是可以通过var_list来决定保存多少个变量到检查点文件中去。对保存的检查点进行恢复可以调用如下的方法：

从检查点恢复变量并映射到相关的tensor中去，要求必须有一个当前会话才可以重新加载计算图。当使用这种方式时候就无需再重复调用初始化方法来初始化变量了，restore方法本身就完成了变量初始化，然后就可以继续训练或者使用计算图进行预测。

预测图导出

使用tf.train.Saver会保存检测点文件，但是这些文件不是一个，是四个文件一组：

其中

prefix是前缀名称

steps是运行number of steps

当prefix=my_cnn_mnist,steps=10000时

通过读取checkpint文件与meta文件加载计算图，然后把所有的变量转换为常量形式通过GFile进行串行化写入生成预测图(PB文件)，从检查点导出成为预测图(PB文件)的代码如下：

这段代码我也是借鉴tensorflow中一个工具类copy过来的，发现很好用！

一个例子

首先定义个网络模型，对于输入与预测部分tensor的name属性我们都给予赋值。

定义输入-X

定义预测输出

构建卷积神经网络的代码如下

保存检查点的代码如下：

导出预测图之后使用预测实现手写数字预测的代码如下

运行结果：

天下难事，必作于易

天下大事，必作于细

欢迎扫码加入【OpenCV研习社】