Python 中的 Tensorflow Java Api `toGraphDef` 是什么？
What is the Tensorflow Java Api `toGraphDef` equivalent in Python?
我正在使用 Tensorflow Java Api 将已创建的 Tensorflow 模型加载到 JVM 中。
我以此为例：tensorflow/examples/LabelImage.java
这是我的简单 Scala 代码：
import java.nio.file.{Files, Path, Paths}
import org.tensorflow.{Graph, Session, Tensor}
def readAllBytesOrExit(path: Path): Array[Byte] = Files.readAllBytes(path)
val graphDef = readAllBytesOrExit(Paths.get("PATH_TO_A_SINGLE_FILE_DESCRIBING_TF_MODEL.pb"))
val g = new Graph()
g.importGraphDef(graphDef)
val session = new Session(g)
val result: Tensor = session.runner().feed("input", image).fetch("output").run().get(0))
如何保存我的模型以将会话和图形存储在同一个文件中。如上文 "PATH_TO_A_SINGLE_FILE_DESCRIBING_TF_MODEL.pb" 所述。
描述 here 它提到：
The serialized representation of the graph, often referred to as a
GraphDef, can be generated by toGraphDef() and equivalents in other
language APIs.
其他语言 API 中的等效项是什么？我觉得不明显
注意：我已经查看了 tensorflow_serving 下的 mnist_saved_model.py，但通过该过程保存它会得到一个 .pb 文件和一个 variables 文件夹。尝试加载 .pb 文件时，我得到：java.lang.IllegalArgumentException: Invalid GraphDef
目前使用 tensorflow 的 Java API，我只找到了如何将图形保存为 graphDef（即没有其变量和元数据）。这可以通过将 Array[Byte] 写入文件来完成：
Files.write(Paths.get(modelDir, modelName), myGraph.toGraphDef)
此处 myGraph 是来自 Graph class 的 java 对象。
我建议使用 java SavedModel api defined here. It will save your model in a folder with both the serialized graph in a .pb file and the variables in a folder. Note the tag_constants you use as you'll need it in your scala/java code to load the model with the variables. Then the graph and session with variables are easily loaded with the SavedModelBundle java class Python API 保存您的模型 api。它 returns 你是一个包装器，包含图形和包含变量值的会话：
val model = SavedModelBundle.load(modelDir, modelTag)
如果您已经尝试过，也许您可以分享您的代码以了解它返回无效 GraphDef 的原因。
另一种选择是冻结你的图表，即将你的变量节点变成常量节点，这样一切都在 .pb 文件中是独立的。更多信息 here 冷冻部分
我正在使用 Tensorflow Java Api 将已创建的 Tensorflow 模型加载到 JVM 中。 我以此为例：tensorflow/examples/LabelImage.java
这是我的简单 Scala 代码：
import java.nio.file.{Files, Path, Paths}
import org.tensorflow.{Graph, Session, Tensor}
def readAllBytesOrExit(path: Path): Array[Byte] = Files.readAllBytes(path)
val graphDef = readAllBytesOrExit(Paths.get("PATH_TO_A_SINGLE_FILE_DESCRIBING_TF_MODEL.pb"))
val g = new Graph()
g.importGraphDef(graphDef)
val session = new Session(g)
val result: Tensor = session.runner().feed("input", image).fetch("output").run().get(0))
如何保存我的模型以将会话和图形存储在同一个文件中。如上文 "PATH_TO_A_SINGLE_FILE_DESCRIBING_TF_MODEL.pb" 所述。
描述 here 它提到：
The serialized representation of the graph, often referred to as a GraphDef, can be generated by toGraphDef() and equivalents in other language APIs.
其他语言 API 中的等效项是什么？我觉得不明显
注意：我已经查看了 tensorflow_serving 下的 mnist_saved_model.py，但通过该过程保存它会得到一个 .pb 文件和一个 variables 文件夹。尝试加载 .pb 文件时，我得到：java.lang.IllegalArgumentException: Invalid GraphDef
目前使用 tensorflow 的 Java API，我只找到了如何将图形保存为 graphDef（即没有其变量和元数据）。这可以通过将 Array[Byte] 写入文件来完成：
Files.write(Paths.get(modelDir, modelName), myGraph.toGraphDef)
此处 myGraph 是来自 Graph class 的 java 对象。
我建议使用 java SavedModel api defined here. It will save your model in a folder with both the serialized graph in a .pb file and the variables in a folder. Note the tag_constants you use as you'll need it in your scala/java code to load the model with the variables. Then the graph and session with variables are easily loaded with the SavedModelBundle java class Python API 保存您的模型 api。它 returns 你是一个包装器，包含图形和包含变量值的会话：
val model = SavedModelBundle.load(modelDir, modelTag)
如果您已经尝试过，也许您可以分享您的代码以了解它返回无效 GraphDef 的原因。
另一种选择是冻结你的图表，即将你的变量节点变成常量节点，这样一切都在 .pb 文件中是独立的。更多信息 here 冷冻部分