tensorflow轉(zhuǎn)換ckpt為savermodel模型的實(shí)現(xiàn)
ckpt轉(zhuǎn)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(shè)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(huì)在save目錄下生成
save
├── saved_model.pb
└── variables
├── variables.data-00000-of-00001
└── variables.index
補(bǔ)充知識(shí)：tensorflow serving模型轉(zhuǎn)換
tf serving是一款靈活的高性能機(jī)器學(xué)習(xí)服務(wù)系統(tǒng)，專為生產(chǎn)環(huán)境而設(shè)計(jì)。通過(guò)它可以輕松部署新算法和實(shí)驗(yàn)，同時(shí)保持服務(wù)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(kuò)展以便服務(wù)其他類型的模型和數(shù)據(jù)。
tf serving的安裝過(guò)程這里不多說(shuō)，大家可以百度。
此處主要介紹tensorflow模型在docker中轉(zhuǎn)換時(shí)的修改內(nèi)容。
修改inception_saved_model.py文件中的內(nèi)容，主要包括：image_size，NUM_CLASSES，SYNSET_FILE，METADATA_FILE變量的內(nèi)容，必要時(shí)修改model_version，NUM_TOP_CLASSES。
修改inception_model.py文件中的內(nèi)容，包括從nets文件夾中導(dǎo)入所需網(wǎng)絡(luò)的信息，修改inference函數(shù)中對(duì)應(yīng)的網(wǎng)絡(luò)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(shí)，需要添加環(huán)境及bazel編譯的配置項(xiàng)
export TF_NEED_CUDA=1
bazel build -c opt --config=cuda tf_models/slim:inception_saved_model
ps，關(guān)于gpu的設(shè)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(zhuǎn)換ckpt為savermodel模型的實(shí)現(xiàn)就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
python pywinauto使用過(guò)程及問(wèn)題小結(jié)
在pywinauto庫(kù)中,uia即UIAutomation,是微軟提供的用于用戶界面自動(dòng)化測(cè)試和輔助功能訪問(wèn)的技術(shù)框架,UIAutomation支持自動(dòng)化腳本與各種UI元素交互,本文給大家介紹python pywinauto使用過(guò)程及問(wèn)題小結(jié),感興趣的朋友一起看看吧2024-10-10
python 3.74 運(yùn)行import numpy as np 報(bào)錯(cuò)lib\site-packages\numpy\_
這篇文章主要介紹了python 3.74 運(yùn)行import numpy as np 報(bào)錯(cuò)lib\site-packages\numpy\__init__.py，原來(lái)需要更新一下numpy即可2019-10-10
解決Pycharm輸入法無(wú)法切換中英文問(wèn)題
這篇文章主要介紹了解決Pycharm輸入法無(wú)法切換中英文問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-11-11
Elasticsearch py客戶端庫(kù)安裝及使用方法解析
這篇文章主要介紹了Elasticsearch py客戶端庫(kù)安裝及使用方法解析,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)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(wèn)題示例代碼，分享了相關(guān)代碼示例，小編覺得還是挺不錯(cuò)的，具有一定借鑒價(jià)值，需要的朋友可以參考下2018-02-02
在Python中，if語(yǔ)句用于根據(jù)條件執(zhí)行不同的代碼塊。本文詳細(xì)介紹了Python中if語(yǔ)句的基本格式使用方法及實(shí)例代碼，有需要的同學(xué)可以參考閱讀2023-05-05
Python實(shí)現(xiàn)國(guó)外賭場(chǎng)熱門游戲Craps（雙骰子）
這篇文章主要介紹了Python實(shí)現(xiàn)國(guó)外賭場(chǎng)熱門游戲Craps（雙骰子）的源碼及運(yùn)行方法，十分簡(jiǎn)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(yǔ)言,擁有豐富的功能和庫(kù),以及強(qiáng)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(shí)際上可以極大地提高代碼的質(zhì)量、可讀性和性能,本文將給大家詳細(xì)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(guān)于數(shù)據(jù)分析之滾動(dòng)窗口pandas.DataFrame.rolling方法
Pandas庫(kù)中的rolling方法是數(shù)據(jù)處理中常用的功能,它允許用戶對(duì)數(shù)據(jù)進(jìn)行滾動(dòng)窗口（滑動(dòng)窗口）操作,通過(guò)指定窗口大小,可以使用不同的聚合函數(shù)對(duì)窗口內(nèi)的數(shù)據(jù)進(jìn)行計(jì)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(jì)算方差、標(biāo)準(zhǔn)差、偏度、峰度2024-09-09
Python設(shè)計(jì)模式優(yōu)雅構(gòu)建代碼全面教程示例
Python作為一門多范式的編程語(yǔ)言,提供了豐富的設(shè)計(jì)模式應(yīng)用場(chǎng)景,在本文中,我們將詳細(xì)介紹 Python 中的各種設(shè)計(jì)模式,包括創(chuàng)建型、結(jié)構(gòu)型和行為型模式2023-11-11