如何保存 Tensorflow 模型（不包含任何变量）以将其移植到 OpenCV 中
How to save a Tensorflow model ( which doesnt contain any variable ) to port it in OpenCV
我想知道保存我在 python 中训练的张量流模型的正确方法是什么，以便我可以使用 opencv 的 dnn 模块将其导入 OpenCV。这是我的 Tensorflow 图
X = tf.placeholder(tf.float32, [None,training_set.shape[1]],name = 'X')
Y = tf.placeholder(tf.float32,[None,training_labels.shape[1]], name = 'Y')
A1 = tf.contrib.layers.fully_connected(X, num_outputs = 50, activation_fn = tf.nn.relu)
A1 = tf.nn.dropout(A1, 0.8)
A2 = tf.contrib.layers.fully_connected(A1, num_outputs = 2, activation_fn = None)
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits = A2, labels = Y))
global_step = tf.Variable(0, trainable=False)
start_learning_rate = 0.001
learning_rate = tf.train.exponential_decay(start_learning_rate, global_step, 100, 0.1, True )
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost)
如您所见，它不包含任何变量。所以我的问题是这个图应该如何保存在 Tensorflow 中，以便可以使用 cv::dnn::readNetFromTensorflow 加载它。我应该将模型保存为 .pb 还是 .pbtxt 文件。 .pb 或 .pbtxt 是否包含图表以及权重或仅包含图表？？。如何在 OpenCV 中同时加载图形和权重 ??.
属于OP posted link的代码贴在这里。 URL 可能会更改、代码已重命名或消失。因此，我已将代码发布到 OP 引用的位置。
I guess a first question is how to save the graph at least to load it in TensorFlow again? Because you need to find a way to restore it. There is some way to do it:
-- 保存
# Save a graph definition (once)
tf.train.write_graph(sess.graph.as_graph_def(), "", "graph.pb")
# Weights initialization
sess.run(tf.global_variables_initializer())
# Training
...
# Save a checkpoint (weights only, no graph definition)
saver = tf.train.Saver()
saver.save(sess, 'tmp.ckpt')
-- 冻结（将图定义与权重合并，删除仅训练节点）
python ~/tensorflow/tensorflow/python/tools/freeze_graph.py \
--input_graph=graph.pb \
--input_checkpoint=tmp.ckpt \
--output_graph=frozen_graph.pb \
--output_node_names="NameOfOutputNode"
只有在这些步骤之后，您才可以加载 frozen_graph.pb 包含使用 OpenCV 的图形定义和权重。
我想知道保存我在 python 中训练的张量流模型的正确方法是什么，以便我可以使用 opencv 的 dnn 模块将其导入 OpenCV。这是我的 Tensorflow 图
X = tf.placeholder(tf.float32, [None,training_set.shape[1]],name = 'X')
Y = tf.placeholder(tf.float32,[None,training_labels.shape[1]], name = 'Y')
A1 = tf.contrib.layers.fully_connected(X, num_outputs = 50, activation_fn = tf.nn.relu)
A1 = tf.nn.dropout(A1, 0.8)
A2 = tf.contrib.layers.fully_connected(A1, num_outputs = 2, activation_fn = None)
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits = A2, labels = Y))
global_step = tf.Variable(0, trainable=False)
start_learning_rate = 0.001
learning_rate = tf.train.exponential_decay(start_learning_rate, global_step, 100, 0.1, True )
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost)
如您所见，它不包含任何变量。所以我的问题是这个图应该如何保存在 Tensorflow 中，以便可以使用 cv::dnn::readNetFromTensorflow 加载它。我应该将模型保存为 .pb 还是 .pbtxt 文件。 .pb 或 .pbtxt 是否包含图表以及权重或仅包含图表？？。如何在 OpenCV 中同时加载图形和权重 ??.
属于OP posted link的代码贴在这里。 URL 可能会更改、代码已重命名或消失。因此，我已将代码发布到 OP 引用的位置。
I guess a first question is how to save the graph at least to load it in TensorFlow again? Because you need to find a way to restore it. There is some way to do it:
-- 保存
# Save a graph definition (once)
tf.train.write_graph(sess.graph.as_graph_def(), "", "graph.pb")
# Weights initialization
sess.run(tf.global_variables_initializer())
# Training
...
# Save a checkpoint (weights only, no graph definition)
saver = tf.train.Saver()
saver.save(sess, 'tmp.ckpt')
-- 冻结（将图定义与权重合并，删除仅训练节点）
python ~/tensorflow/tensorflow/python/tools/freeze_graph.py \
--input_graph=graph.pb \
--input_checkpoint=tmp.ckpt \
--output_graph=frozen_graph.pb \
--output_node_names="NameOfOutputNode"
只有在这些步骤之后，您才可以加载 frozen_graph.pb 包含使用 OpenCV 的图形定义和权重。