如何使用frozen_interference_graph.pb创建Keras模型？

Question

我想使用一个经过预先训练的模型，并在该模型的末尾添加一个分段头，但问题是，我只有一个‘冻结_推断_Graph.pb’。下面是我从模型中得到的文件：

​

​

我尝试过几种方法：

1.将经过预先训练的模型加载到Keras模型中：，使用我所拥有的文件似乎是不可能的。它只是给了我一个AutoTrackable对象，而不是模型。

2.访问冻结模型的张量对象并使用张量建立模型：我找到了如何访问张量，但无法使用张量对象创建Keras模型。

with self.graph.as_default():
    graph = tf.import_graph_def(graph_def, name='')

graph = tf.compat.v1.import_graph_def(graph_def)
tf.compat.v1.Graph.as_default(graph)
self.sess = tf.Session(graph=self.graph)
self.tensors = [tensor for op in tf.compat.v1.get_default_graph().get_operations() for tensor in op.values()]

在这里，我可以得到张量，但是我不能在模型中使用张量：

model = tf.keras.models.Model(inputs=self.tensors[0], outputs=self.tensors[-1])

有没有办法将这个冻结的图转换成Keras模型？或者，如果有另一种方法，我可以训练的模式，我会很高兴知道。

预先训练的模型是“ssd_mobilenet_v3_small_coco_2020_01_14”，可以找到这里。

Answer 1

您可以使用两种方法：

1. 文件“frozen_inference_graph.pb”包含关于权重和模型体系结构的所有必要信息。使用以下代码段读取模型并添加一个新层：

customModel = tf.keras.models.load_model(' savedModel ') #savedModel是包含.pb data pretrainedOutput =CustomModel.Layers-1.输出newOutput = tf.keras.layers.Dense(2)(pretrainedOutput) # change layer的文件夹，new_model = tf.keras.Model(inputs=customModel.inputs，outputs=newOutput) #创建一个新模型，输入旧模型和新的输出张量。

其中'savedModel‘是带有'frozen_inference_graph.pb’和其他元数据的文件夹的名称。请参阅有关使用.pb文件和细化TFguide中的自定义模型的详细信息。

1. 尝试使用带有模型体系结构和.meta的.ckpt文件来恢复TF 1.x中的权重：

将tf.Session()作为sess: new_saver =new_saver new_saver.restore(sess，tf.train.latest_checkpoint('./'))

请参阅关于如何在TF1.x中加载和自定义已恢复的模型的教程。