with train programming high guide fashion tensorflow

train - tensorflow programming guide



El script freeze_graph de Tensorflow falla en el modelo definido con Keras (2)

Estoy intentando exportar un modelo creado y entrenado con Keras a un protobuffer que puedo cargar en un script C ++ (como en este ejemplo). He generado un archivo .pb que contiene la definición del modelo y un archivo .ckpt que contiene los datos del punto de control. Sin embargo, cuando intento fusionarlos en un único archivo con el script freeze_graph, aparece el siguiente error:

ValueError: Fetch argument ''save/restore_all'' of ''save/restore_all'' cannot be interpreted as a Tensor. ("The name ''save/restore_all'' refers to an Operation not in the graph.")

Estoy guardando el modelo así:

with tf.Session() as sess: model = nndetector.architecture.models.vgg19((3, 50, 50)) model.load_weights(''/srv/nn/weights/scratch-vgg19.h5'') init_op = tf.initialize_all_variables() sess.run(init_op) graph_def = sess.graph.as_graph_def() tf.train.write_graph(graph_def=graph_def, logdir=''.'', name=''model.pb'', as_text=False) saver = tf.train.Saver() saver.save(sess, ''model.ckpt'')

nndetector.architecture.models.vgg19 ((3, 50, 50)) es simplemente un modelo similar a vgg19 definido en Keras.

Llamaré al script freeze_graph así:

bazel-bin/tensorflow/python/tools/freeze_graph --input_graph=[path-to-model.pb] --input_checkpoint=[path-to-model.ckpt] --output_graph=[output-path] --output_node_names=sigmoid --input_binary=True

Si ejecuto el script freeze_graph_test todo funciona bien.

¿Alguien sabe lo que estoy haciendo mal?

Gracias.

Atentamente

Felipe

EDITAR

He intentado imprimir tf.train.Saver().as_saver_def().restore_op_name que devuelve save/restore_all .

Además, probé un ejemplo simple de tensorflow puro y aún recibo el mismo error:

a = tf.Variable(tf.constant(1), name=''a'') b = tf.Variable(tf.constant(2), name=''b'') add = tf.add(a, b, ''sum'') with tf.Session() as sess: sess.run(tf.initialize_all_variables()) tf.train.write_graph(graph_def=sess.graph.as_graph_def(), logdir=''.'', name=''simple_as_binary.pb'', as_text=False) tf.train.Saver().save(sess, ''simple.ckpt'')

Y tampoco puedo restaurar el gráfico en python. El uso del siguiente código arroja ValueError: No variables to save si lo ejecuto por separado de guardar el gráfico (es decir, si ValueError: No variables to save y restauro el modelo en el mismo script, todo funciona bien).

with gfile.FastGFile(''simple_as_binary.pb'') as f: graph_def = tf.GraphDef() graph_def.ParseFromString(f.read()) with tf.Session() as sess: tf.import_graph_def(graph_def) saver = tf.train.Saver() saver.restore(sess, ''simple.ckpt'')

No estoy seguro si los dos problemas están relacionados, o si simplemente no estoy restaurando el modelo correctamente en Python.


El problema es el orden de estas dos líneas en su programa original:

tf.train.write_graph(graph_def=sess.graph.as_graph_def(), logdir=''.'', name=''simple_as_binary.pb'', as_text=False) tf.train.Saver().save(sess, ''simple.ckpt'')

Llamar a tf.train.Saver() agrega un conjunto de nodos al gráfico, incluido uno llamado "save/restore_all" . Sin embargo, este programa lo llama después de escribir el gráfico, por lo que el archivo que pasa a freeze_graph.py no contiene esos nodos, que son necesarios para hacer la reescritura.

Invertir las dos líneas debe hacer que el script funcione según lo previsto:

tf.train.Saver().save(sess, ''simple.ckpt'') tf.train.write_graph(graph_def=sess.graph.as_graph_def(), logdir=''.'', name=''simple_as_binary.pb'', as_text=False)


Entonces, lo tengo funcionando. Más o menos

Al usar tensorflow.python.client.graph_util.convert_variables_to_constants directamente en lugar de guardar primero GraphDef y un punto de control en el disco y luego usar la herramienta / script freeze_graph , he podido guardar un GraphDef contiene tanto la definición del gráfico como las variables convertidas en constantes.

EDITAR

mrry actualizó su respuesta, lo que resolvió mi problema de que freeze_graph no funcionaba, pero también dejaré esta respuesta, en caso de que alguien más pueda encontrarla útil.