tensorflow轉換ckpt為savermodel模型的實現(xiàn)
ckpt轉換成SavedModel
convert_ckpt_to_savermodel.py
import tensorflow as tf import sys trained_checkpoint_prefix = sys.argv[1] export_dir = sys.argv[2] graph = tf.Graph() config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True) with tf.compat.v1.Session(graph=graph, config=config) as sess: # Restore from checkpoint loader = tf.compat.v1.train.import_meta_graph(trained_checkpoint_prefix + '.meta') loader.restore(sess, trained_checkpoint_prefix) # Export checkpoint to SavedModel builder = tf.compat.v1.saved_model.builder.SavedModelBuilder(export_dir) builder.add_meta_graph_and_variables(sess, [tf.saved_model.TRAINING, tf.saved_model.SERVING], strip_default_attrs=True) builder.save()
假設已經(jīng)生成了ckpt模型
checkpoint hello_model.data-00000-of-00001 hello_model.index hello_model.meta
python ./convert_ckpt_to_savermodel.py hello_model ./save
會在save目錄下生成
save
├── saved_model.pb
└── variables
├── variables.data-00000-of-00001
└── variables.index
補充知識：tensorflow serving模型轉換
tf serving是一款靈活的高性能機器學習服務系統(tǒng)，專為生產環(huán)境而設計。通過它可以輕松部署新算法和實驗，同時保持服務框架和API不變。它提供了與tensorflow模型的即是可用集成，但很容易擴展以便服務其他類型的模型和數(shù)據(jù)。
tf serving的安裝過程這里不多說，大家可以百度。
此處主要介紹tensorflow模型在docker中轉換時的修改內容。
修改inception_saved_model.py文件中的內容，主要包括：image_size，NUM_CLASSES，SYNSET_FILE，METADATA_FILE變量的內容，必要時修改model_version，NUM_TOP_CLASSES。
修改inception_model.py文件中的內容，包括從nets文件夾中導入所需網(wǎng)絡的信息，修改inference函數(shù)中對應的網(wǎng)絡名稱。
from nets.inception_v1 import inception_v1, inception_v1_arg_scope
with slim.arg_scope(inception_v1_arg_scope()):
logits, endpoints = inception_v1(
images,
dropout_keep_prob=0.8,
num_classes=num_classes,
is_training=for_training,
scope=scope)
另，使用CUDA環(huán)境時，需要添加環(huán)境及bazel編譯的配置項
export TF_NEED_CUDA=1
bazel build -c opt --config=cuda tf_models/slim:inception_saved_model
ps，關于gpu的設置如下：
export CUDA_VISIBLE_DEVICES='0,1' #shell環(huán)境 import os os.environ["CUDA_VISIBLE_DEVICES"] = "0,1" #python環(huán)境
以上這篇tensorflow轉換ckpt為savermodel模型的實現(xiàn)就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關文章
在pywinauto庫中,uia即UIAutomation,是微軟提供的用于用戶界面自動化測試和輔助功能訪問的技術框架,UIAutomation支持自動化腳本與各種UI元素交互,本文給大家介紹python pywinauto使用過程及問題小結,感興趣的朋友一起看看吧2024-10-10
python 3.74 運行import numpy as np 報錯lib\site-packages\numpy\_
這篇文章主要介紹了python 3.74 運行import numpy as np 報錯lib\site-packages\numpy\__init__.py，原來需要更新一下numpy即可2019-10-10
這篇文章主要介紹了解決Pycharm輸入法無法切換中英文問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-11-11
這篇文章主要介紹了Elasticsearch py客戶端庫安裝及使用方法解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-09-09
這篇文章主要介紹了Flask解決跨域的問題示例代碼，分享了相關代碼示例，小編覺得還是挺不錯的，具有一定借鑒價值，需要的朋友可以參考下2018-02-02
在Python中，if語句用于根據(jù)條件執(zhí)行不同的代碼塊。本文詳細介紹了Python中if語句的基本格式使用方法及實例代碼，有需要的同學可以參考閱讀2023-05-05
Python實現(xiàn)國外賭場熱門游戲Craps（雙骰子）
這篇文章主要介紹了Python實現(xiàn)國外賭場熱門游戲Craps（雙骰子）的源碼及運行方法，十分簡單，有需要的小伙伴可以參考下。2015-03-03
Python是一門富有魅力的編程語言,擁有豐富的功能和庫,以及強大的社區(qū)支持,然而,有一些核心功能經(jīng)常被忽視,而它們實際上可以極大地提高代碼的質量、可讀性和性能,本文將給大家詳細的介紹一下這些容易被忽視的功能,需要的朋友可以參考下2023-11-11
關于數(shù)據(jù)分析之滾動窗口pandas.DataFrame.rolling方法
Pandas庫中的rolling方法是數(shù)據(jù)處理中常用的功能,它允許用戶對數(shù)據(jù)進行滾動窗口（滑動窗口）操作,通過指定窗口大小,可以使用不同的聚合函數(shù)對窗口內的數(shù)據(jù)進行計算,例如最大值、最小值、平均值、中位數(shù)等,此外,rolling方法還可以計算方差、標準差、偏度、峰度2024-09-09
Python作為一門多范式的編程語言,提供了豐富的設計模式應用場景,在本文中,我們將詳細介紹 Python 中的各種設計模式,包括創(chuàng)建型、結構型和行為型模式2023-11-11