tensorflow轉換ckpt為savermodel模型的實現(xiàn)
ckpt轉換成SavedModel
convert_ckpt_to_savermodel.py
import tensorflow as tf import sys trained_checkpoint_prefix = sys.argv[1] export_dir = sys.argv[2] graph = tf.Graph() config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True) with tf.compat.v1.Session(graph=graph, config=config) as sess: # Restore from checkpoint loader = tf.compat.v1.train.import_meta_graph(trained_checkpoint_prefix + '.meta') loader.restore(sess, trained_checkpoint_prefix) # Export checkpoint to SavedModel builder = tf.compat.v1.saved_model.builder.SavedModelBuilder(export_dir) builder.add_meta_graph_and_variables(sess, [tf.saved_model.TRAINING, tf.saved_model.SERVING], strip_default_attrs=True) builder.save()
假設已經生成了ckpt模型
checkpoint hello_model.data-00000-of-00001 hello_model.index hello_model.meta
python ./convert_ckpt_to_savermodel.py hello_model ./save
會在save目錄下生成
save
├── saved_model.pb
└── variables
├── variables.data-00000-of-00001
└── variables.index
補充知識：tensorflow serving模型轉換
tf serving是一款靈活的高性能機器學習服務系統(tǒng)，專為生產環(huán)境而設計。通過它可以輕松部署新算法和實驗，同時保持服務框架和API不變。它提供了與tensorflow模型的即是可用集成，但很容易擴展以便服務其他類型的模型和數(shù)據(jù)。
tf serving的安裝過程這里不多說，大家可以百度。
此處主要介紹tensorflow模型在docker中轉換時的修改內容。
修改inception_saved_model.py文件中的內容，主要包括：image_size，NUM_CLASSES，SYNSET_FILE，METADATA_FILE變量的內容，必要時修改model_version，NUM_TOP_CLASSES。
修改inception_model.py文件中的內容，包括從nets文件夾中導入所需網(wǎng)絡的信息，修改inference函數(shù)中對應的網(wǎng)絡名稱。
from nets.inception_v1 import inception_v1, inception_v1_arg_scope
with slim.arg_scope(inception_v1_arg_scope()):
logits, endpoints = inception_v1(
images,
dropout_keep_prob=0.8,
num_classes=num_classes,
is_training=for_training,
scope=scope)
另，使用CUDA環(huán)境時，需要添加環(huán)境及bazel編譯的配置項
export TF_NEED_CUDA=1
bazel build -c opt --config=cuda tf_models/slim:inception_saved_model
ps，關于gpu的設置如下：
export CUDA_VISIBLE_DEVICES='0,1' #shell環(huán)境 import os os.environ["CUDA_VISIBLE_DEVICES"] = "0,1" #python環(huán)境
以上這篇tensorflow轉換ckpt為savermodel模型的實現(xiàn)就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關文章
這篇文章主要介紹了神經網(wǎng)絡python源碼分享，具有一定借鑒價值，需要的朋友可以參考下。2017-12-12
本文主要介紹了Scrapy?之中間件(Middleware)的具體使用，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2022-06-06
這篇文章主要介紹了Python lambda表達式用法,結合實例形式分析了lambda表達式的具體功能、應用場景及相關使用技巧,需要的朋友可以參考下2018-12-12
使用Python爬取Json數(shù)據(jù)的示例代碼
這篇文章主要介紹了使用Python爬取Json數(shù)據(jù)的示例代碼,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2020-12-12
Python3去除頭尾指定字符的函數(shù)strip()、lstrip()、rstrip()用法詳解
這篇文章主要介紹了Python3去除頭尾指定字符的函數(shù)strip()、lstrip()、rstrip()用法詳解,需要的朋友可以參考下2021-04-04
下載文件是我們在日常工作中常常要做的一件事情,當我們需要從互聯(lián)網(wǎng)上批量下載大量文件時,手動一個一個去下載顯然不夠高效,所以本文為大家介紹一下如何利用python批量下載文件吧2023-11-11
Python中plt.scatter()函數(shù)的常見用法小結
這篇文章主要介紹了Python中plt.scatter()函數(shù)的常見用法,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2023-04-04
在我們做Django項目，數(shù)據(jù)量比較大的時候，我們需要分頁器來做分頁顯示，接下來重點給大家介紹利用Django開發(fā)MVT模型項目時分頁器的使用，感興趣的朋友一起看看吧2021-05-05
本文主要介紹了python實現(xiàn)盲盒抽獎功能，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-09-09
今天小編就為大家分享一篇解決django后臺樣式丟失,css資源加載失敗的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06