将keras的h5模型转换为tensorflow的pb模型操作
72 浏览量
2020-09-16
20:06:42
上传
评论
收藏 86KB PDF 举报
将将keras的的h5模型转换为模型转换为tensorflow的的pb模型操作模型操作
主要介绍了将keras的h5模型转换为tensorflow的pb模型操作，具有很好的参考价值，希望对大家有所帮助。一
起跟随小编过来看看吧
背景：目前keras框架使用简单，很容易上手，深得广大算法工程师的喜爱，但是当部署到客户端时，可能会出现各种各样的
bug，甚至不支持使用keras，本文来解决的是将keras的h5模型转换为客户端常用的tensorflow的pb模型并使用tensorflow加载
pb模型。
h5_to_pb.py
from keras.models import load_model
import tensorflow as tf
import os
import os.path as osp
from keras import backend as K
#路径参数
input_path = 'input path'
weight_file = 'weight.h5'
weight_file_path = osp.join(input_path,weight_file)
output_graph_name = weight_file[:-3] + '.pb'
#转换函数
def h5_to_pb(h5_model,output_dir,model_name,out_prefix = "output_",log_tensorboard = True):
if osp.exists(output_dir) == False:
os.mkdir(output_dir)
out_nodes = []
for i in range(len(h5_model.outputs)):
out_nodes.append(out_prefix + str(i + 1))
tf.identity(h5_model.output[i],out_prefix + str(i + 1))
sess = K.get_session()
from tensorflow.python.framework import graph_util,graph_io
init_graph = sess.graph.as_graph_def()
main_graph = graph_util.convert_variables_to_constants(sess,init_graph,out_nodes)
graph_io.write_graph(main_graph,output_dir,name = model_name,as_text = False)
if log_tensorboard:
from tensorflow.python.tools import import_pb_to_tensorboard
import_pb_to_tensorboard.import_to_tensorboard(osp.join(output_dir,model_name),output_dir)
#输出路径
output_dir = osp.join(os.getcwd(),"trans_model")
#加载模型
h5_model = load_model(weight_file_path)
h5_to_pb(h5_model,output_dir = output_dir,model_name = output_graph_name)
print('model saved')
将转换成的pb模型进行加载
load_pb.py
import tensorflow as tf
from tensorflow.python.platform import gfile
def load_pb(pb_file_path):
sess = tf.Session()
with gfile.FastGFile(pb_file_path, 'rb') as f:
graph_def = tf.GraphDef()
graph_def.ParseFromString(f.read())
sess.graph.as_default()
tf.import_graph_def(graph_def, name='')
print(sess.run('b:0'))
#输入
input_x = sess.graph.get_tensor_by_name('x:0')
input_y = sess.graph.get_tensor_by_name('y:0')
#输出
op = sess.graph.get_tensor_by_name('op_to_store:0')
#预测结果
ret = sess.run(op, {input_x: 3, input_y: 4})
print(ret)
补充知识：补充知识：h5模型转化为模型转化为pb模型，代码及排坑模型，代码及排坑
我是在实际工程中要用到tensorflow训练的pb模型，但是训练的代码是用keras写的，所以生成keras特定的h5模型，所以用到
了h5_to_pb.py函数。
附上h5_to_pb.py（python3）
资源评论
