时间:2021-05-22
代码如下:
import tensorflow as tffrom tensorflow.python.platform import gfilemodel = 'pb_path'graph = tf.get_default_graph()graph_def = graph.as_graph_def()graph_def.ParseFromString(gfile.FastGFile(model, 'rb').read())tf.import_graph_def(graph_def, name='graph')summaryWriter = tf.summary.FileWriter('log/', graph)使用步骤:
1.修改display_model_nodes.py里的model定义为自己的pb模型
2.python display_model_nodes.py会在log里生成out日志
3.tensorboard --logdir=log
且会在下方出现网页地址 TensorBoard 1.10.0 at http://oeasy:6006 (Press CTRL+C to quit)
4.在浏览器中打输入:http://oeasy:6006就能看到模型的各个节点了
结果如下:
以上这篇使用tensorflow显示pb模型的所有网络结点方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
一,直接保存pb1,首先我们当然可以直接在tensorflow训练中直接保存为pb为格式,保存pb的好处就是使用场景是实现创建模型与使用模型的解耦,使得创建模型
1.tensorflow模型文件打包成PB文件importtensorflowastffromtensorflow.python.toolsimportfree
网上关于tensorflow模型文件ckpt格式转pb文件的帖子很多,本人几乎尝试了所有方法,最后终于成功了,现总结如下。方法无外乎下面两种:使用tensorf
Keras的.h5模型转成tensorflow的.pb格式模型,方便后期的前端部署。直接上代码fromkeras.modelsimportModelfromke
由于项目需要,需要将TensorFlow保存的模型从ckpt文件转换为pb文件。importosfromtensorflow.pythonimportpywra