如何使用C#将Tensorflow训练的.pb文件用在生产环境详解
23 浏览量
2020-08-26
18:51:45
上传
评论 1
收藏 69KB PDF 举报
如何使用如何使用C#将将Tensorflow训练的训练的.pb文件用在生产环境详解文件用在生产环境详解
主要给大家介绍了关于如何使用C#将Tensorflow训练的.pb文件用在生产环境的相关资料，文中通过示例代码介绍的非常详
细，需要的朋友可以参考借鉴，下面随着小编来一起学习学习吧
前言前言
TensorFlow是Google开源的一款人工智能学习系统。为什么叫这个名字呢？Tensor的意思是张量，代表N维数组；Flow的意思是流，代
表基于数据流图的计算。把N维数字从流图的一端流动到另一端的过程，就是人工智能神经网络进行分析和处理的过程。
训练了很久的Tf模型，终于要到生产环境中去考研一番了。今天花费了一些时间去研究tf的模型如何在生产环境中去使用。大概整理了这
些方法。
继续使用分步骤保存了的继续使用分步骤保存了的ckpt文件文件
这个貌似脱离不了tensorflow框架，而且生成的ckpt文件比较大，发布到生产环境的时候，还得把python的算法文件一起搞上去，如何和其
他程序交互，可能还得自己去写服务。估计很少有人这么做，貌似性能也很一般。
使用使用tensorflow Serving
tf Serving貌似是大家都比较推崇的方法。需要编译tfServing，然后把模型导出来。直接执行tf Serving的进程，就可以对外提供服务了。
具体调用的时候，还得自己写客户端，使用人gRPC去调用Serving，然后再对外提供服务，听上去比较麻烦。而且我今天没太多的时间去
研究gRPC，网络上关于客户端很多都是用python写的，我感觉自己的python水平比较菜，没信心能写好。所以这个方式就先没研究。
生产生产.pb文件，然后写程序去调用文件，然后写程序去调用.pb文件文件
生成了.pb文件以后，就可以被程序去直接调用，传入参数，然后就可以传出来参数，而且生成的.pb文件非常的小。而我又有比较丰富
的.net开发经验。在想，是否可以用C#来解析.pb文件，然后做一个.net core的对外服务的API，这样貌似更加高效，关键是自己熟悉这款
的开发，不用花费太多的时间去摸索。、
具体的思路具体的思路
使用.net下面的TensorFlow框架tensorflowSharp（貌似还是没脱离了框架）.去调用pb文件，然后做成.net core web API 对外提供服务。
具体的实现具体的实现
直接上代码，非常简单，本身设计到tensorflowsharp的地方非常的少
var graph = new TFGraph();
//重点是下面的这句，把训练好的pb文件给读出来字节，然后导入
var model = File.ReadAllBytes(model_file);
graph.Import(model);
Console.WriteLine("请输入一个图片的地址");
var src = Console.ReadLine();
var tensor = ImageUtil.CreateTensorFromImageFile(src);
using (var sess = new TFSession(graph))
{
var runner = sess.GetRunner();
runner.AddInput(graph["Cast_1"][0], tensor);
var r = runner.Run(graph.softmax(graph["softmax_linear/softmax_linear"][0]));
var v = (float[,])r.GetValue();
Console.WriteLine(v[0,0]);
Console.WriteLine(v[0, 1]);
}
ImageUtil这个类库是tensorflowSharp官方的例子中一个把图片转成tensor的类库，我直接copy过来了，根据我的网络，修改了几个参数。
public static class ImageUtil
{
public static TFTensor CreateTensorFromImageFile(byte[] contents, TFDataType destinationDataType = TFDataType.Float)
{
var tensor = TFTensor.CreateString(contents);
TFOutput input, output;
// Construct a graph to normalize the image
using (var graph = ConstructGraphToNormalizeImage(out input, out output, destinationDataType))
{
// Execute that graph to normalize this one image
using (var session = new TFSession(graph))
{
var normalized = session.Run(
inputs: new[] { input },
inputValues: new[] { tensor },
outputs: new[] { output });
return normalized[0];
}
}
}
// Convert the image in filename to a Tensor suitable as input to the Inception model.
资源评论
