将 CNN 张量流模型冻结到 .pb 文件中

Question

我目前正在使用 CNN 进行超分辨率实验。要为我的模型提供服务，我需要先将其冻结到 .pb 文件中，对吗？作为一个新手，我真的不知道该怎么做。我的模型基本上是这样的：

低分辨率输入图像 -> 双三次缩放 (2x) -> 馈送到 CNN -> 具有相同 (2x) 分辨率的 CNN 输出图像。

我的模型有 3 个简单层。输出层称为"output"。您可以在这里找到模型：

https://github.com/pinae/Superresolution

它像这样保存进度：

检查点
network_params.data-00000-of-00001
network_params.index
network_params.meta

我知道如何做到这一点。

首先：遵循本教程：https://blog.metaflow.fr/tensorflow-how-to-freeze-a-model-and-serve-it-with-a-python-api-d4f3596b3adc

这似乎是为多个输出节点（用于识别）而设计的，而不是为只有一个输出的超分辨率设计的。我不知道如何修改该脚本以供我使用。

第二种：使用freeze_graph.py

同样，我完全不知道如何将它用于我的模型。所有示例似乎都基于 MNIST 教程。

谢谢！

Answer 1

不明白你的意思，但是在元流文章中，他也使用了一个输出节点。您可以添加多个，具体取决于您如何命名 tensor.

在你的情况下，看看 network.py。您需要查看 output_layer:

    self.output = self.conv_layer("reconstruction_layer", self.layer_params[-1],
                                  non_linear_mapping_layer, linear=True)

如您所见，由于 conv_layer，它已经命名，因此在元流代码中，您需要执行如下操作：

def freeze_graph(model_folder):
    # We retrieve our checkpoint fullpath
    checkpoint = tf.train.get_checkpoint_state(model_folder)
    input_checkpoint = checkpoint.model_checkpoint_path

    # We precise the file fullname of our freezed graph
    absolute_model_folder = "/".join(input_checkpoint.split('/')[:-1])
    output_graph = absolute_model_folder + "/frozen_model.pb"

    # Before exporting our graph, we need to precise what is our output node
    # This is how TF decides what part of the Graph he has to keep and what part it can dump
    # NOTE: this variable is plural, because you can have multiple output nodes
    output_node_names = "reconstruction_layer"
    ...

注意：有时它在命名中有一个前缀，例如在 Metaflow 文章中 Accuracy 是一个前缀，Accuracy/predictions。因此，打印出您存储在检查点中的所有变量名称是有意义的。

顺便说一下，从 TF 1.0 开始，您可以使用 SavedModelBuilder 保存您的模型。这是首选方式，因为它提供了跨多种语言的兼容性。唯一需要注意的是，它仍然不是一个单独的文件，但可以与 Tensorflow Serving 配合使用。

将 CNN 张量流模型冻结到 .pb 文件中

Freezing a CNN tensorflow model into a .pb file

python

neural-network

tensorflow

tensorflow-serving