我们有一个特殊的工具可以在Tensorflow Object Detection API中转换为冻结图形 - 只需运行 export_inference_graph.py 二进制文件。使用此工具的方向是 这里 。
我正在使用这个小python脚本根据其操作本地化节点。 找到输入和输出节点时,“PLaceholder”和“Identity”似乎很有趣:
import tensorflow as tf NODE_OPS = ['Placeholder','Identity'] MODEL_FILE = '/path/to/frozen_inference_graph.pb' gf = tf.GraphDef() gf.ParseFromString(open(MODEL_FILE,'rb').read()) print([n.name + '=>' + n.op for n in gf.node if n.op in (NODE_OPS)])
您可以自己探索图形: TensorFlow模型文件的工具开发人员指南 并找到节点名称。我可以从我的模型中提供样本:“prefix / digit1 / Softmax:0”(在我的keras模型中它是“digit1”) 另外,我记得你应该为transform_graph实用程序(“ - output”参数)提供这些名称的列表。