Keras模型轉(zhuǎn)成tensorflow的.pb操作
Keras的.h5模型轉(zhuǎn)成tensorflow的.pb格式模型,方便后期的前端部署。直接上代碼
from keras.models import Model from keras.layers import Dense, Dropout from keras.applications.mobilenet import MobileNet from keras.applications.mobilenet import preprocess_input from keras.preprocessing.image import load_img, img_to_array import tensorflow as tf from keras import backend as K import os base_model = MobileNet((None, None, 3), alpha=1, include_top=False, pooling='avg', weights=None) x = Dropout(0.75)(base_model.output) x = Dense(10, activation='softmax')(x) model = Model(base_model.input, x) model.load_weights('mobilenet_weights.h5') def freeze_session(session, keep_var_names=None, output_names=None, clear_devices=True): from tensorflow.python.framework.graph_util import convert_variables_to_constants graph = session.graph with graph.as_default(): freeze_var_names = list(set(v.op.name for v in tf.global_variables()).difference(keep_var_names or [])) output_names = output_names or [] output_names += [v.op.name for v in tf.global_variables()] input_graph_def = graph.as_graph_def() if clear_devices: for node in input_graph_def.node: node.device = "" frozen_graph = convert_variables_to_constants(session, input_graph_def, output_names, freeze_var_names) return frozen_graph output_graph_name = 'NIMA.pb' output_fld = '' #K.set_learning_phase(0) print('input is :', model.input.name) print ('output is:', model.output.name) sess = K.get_session() frozen_graph = freeze_session(K.get_session(), output_names=[model.output.op.name]) from tensorflow.python.framework import graph_io graph_io.write_graph(frozen_graph, output_fld, output_graph_name, as_text=False) print('saved the constant graph (ready for inference) at: ', os.path.join(output_fld, output_graph_name))
補充知識:keras h5 model 轉(zhuǎn)換為tflite
在移動端的模型,若選擇tensorflow或者keras最基本的就是生成tflite文件,以本文記錄一次轉(zhuǎn)換過程。
環(huán)境
tensorflow 1.12.0
python 3.6.5
h5 model saved by `model.save('tf.h5')`
直接轉(zhuǎn)換
`tflite_convert --output_file=tf.tflite --keras_model_file=tf.h5` output `TypeError: __init__() missing 2 required positional arguments: 'filters' and 'kernel_size'`
先轉(zhuǎn)成pb再轉(zhuǎn)tflite
``` git clone git@github.com:amir-abdi/keras_to_tensorflow.git cd keras_to_tensorflow python keras_to_tensorflow.py --input_model=path/to/tf.h5 --output_model=path/to/tf.pb tflite_convert \ --output_file=tf.tflite \ --graph_def_file=tf.pb \ --input_arrays=convolution2d_1_input \ --output_arrays=dense_3/BiasAdd \ --input_shape=1,3,448,448 ```
參數(shù)說明,input_arrays和output_arrays是model的起始輸入變量名和結(jié)束變量名,input_shape是和input_arrays對應(yīng)
官網(wǎng)是說需要用到tenorboard來查看,一個比較trick的方法
先執(zhí)行上面的命令,會報convolution2d_1_input找不到,在堆棧里面有convert_saved_model.py文件,get_tensors_from_tensor_names()這個方法,添加`print(list(tensor_name_to_tensor))` 到 tensor_name_to_tensor 這個變量下面,再執(zhí)行一遍,會打印出所有tensor的名字,再根據(jù)自己的模型很容易就能判斷出實際的name。
以上這篇Keras模型轉(zhuǎn)成tensorflow的.pb操作就是小編分享給大家的全部內(nèi)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(guān)文章
Python如何將LabelMe生成的JSON格式轉(zhuǎn)換成YOLOv8支持的TXT格式
標(biāo)注工具 LabelMe 生成的標(biāo)注文件為JSON格式,而YOLOv8中支持的為TXT文件格式,下面給大家分享Python如何將LabelMe生成的JSON格式轉(zhuǎn)換成YOLOv8支持的TXT格式,感興趣的朋友跟隨小編一起看看吧2024-05-05Python統(tǒng)計可散列的對象之容器Counter詳解
Counter是一個容器,可以跟蹤等效值增加的次數(shù).這個類可以用來實現(xiàn)其他語言中常用包或多集合數(shù)據(jù)結(jié)構(gòu)實現(xiàn)的算法.本篇文章非常詳細(xì)的介紹了容器Counter的使用方式,需要的朋友可以參考下2021-05-05python實現(xiàn)同一局域網(wǎng)下傳輸圖片
這篇文章主要為大家詳細(xì)介紹了python實現(xiàn)同一局域網(wǎng)下傳輸圖片,文中示例代碼介紹的非常詳細(xì),具有一定的參考價值,感興趣的小伙伴們可以參考一下2020-03-03Python中使用MELIAE分析程序內(nèi)存占用實例
這篇文章主要介紹了Python中使用MELIAE分析程序內(nèi)存占用實例,本文直接給出使用代碼示例,需要的朋友可以參考下2015-02-02對pandas中iloc,loc取數(shù)據(jù)差別及按條件取值的方法詳解
今天小編就為大家分享一篇對pandas中iloc,loc取數(shù)據(jù)差別及按條件取值的方法詳解,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2018-11-11django ObjectDoesNotExist 和 DoesNotExist的用法
這篇文章主要介紹了django ObjectDoesNotExist 和 DoesNotExist的用法,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2020-07-07