本篇文章给大家分享的是有关TensorFlow中怎么将checkpoint文件转换为pb文件，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

成都创新互联是一家专注网站建设、网络营销策划、成都小程序开发、电子商务建设、网络推广、移动互联开发、研究、服务为一体的技术型公司。公司成立10年以来，已经为超过千家成都报废汽车回收各业的企业公司提供互联网服务。现在，服务的超过千家客户与我们一路同行，见证我们的成长；未来，我们一起分享成功的喜悦。

由于项目需要，需要将TensorFlow保存的模型从ckpt文件转换为pb文件。

import osfrom tensorflow.python import pywrap_tensorflowfrom net2use import inception_resnet_v2_small#这里使用自己定义的模型函数即可import tensorflow as tfif __name__=='__main__':  pb_file = "./model/output.pb"  ckpt_file = "./model/model.ckpt-652900"  '''这里的节点名字可能跟设想的有出入，最直接的方法是直接输出ckpt中保存的节点名字，然后对应着找节点名字，具体的进入convert_variables_to_constants函数的实现中graph_util_impl.py，130行的函数：_assert_nodes_are_present 添加代码  print('在图中的节点是：')  for din in name_to_node:    print('{},在图中'.format(din))然后运行代码，若正确就会直接保存；若失败则会保存失败，找好输出节点的名字，在output_node_names 中添加就好'''  output_node_names = ["embedding"]  with tf.name_scope('input'):    image = tf.placeholder(tf.float32,shape=(None,79,199,1),name='input_image')  net, endpoints=inception_resnet_v2_small(image, is_training=False)  embedding = tf.nn.l2_normalize(net,1,1e-10,name='embedding')  config=tf.ConfigProto(allow_soft_placement=True)  config.gpu_options.per_process_gpu_memory_fraction = 0.45  sess = tf.Session(config = config)  saver = tf.train.Saver()  saver.restore(sess, ckpt_file)  print('read success')  converted_graph_def = tf.graph_util.convert_variables_to_constants(sess,                input_graph_def = sess.graph.as_graph_def(),                output_node_names = output_node_names)  with tf.gfile.GFile(pb_file, "wb") as f:    f.write(converted_graph_def.SerializeToString())  print('保存成功')

以上就是TensorFlow中怎么将checkpoint文件转换为pb文件，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注创新互联行业资讯频道。

分享名称：TensorFlow中怎么将checkpoint文件转换为pb文件
分享链接：http://pwwzsj.com/article/jijoes.html