Age-Gender-Estimate-TF
Age-Gender-Estimate-TF copied to clipboard
BoyuanJiang
模型固化问题
能在train.py训练模型的同时，保存为ckpt格式之外，再保存为一份.pb格式的么？ 我在网上找了一段保存为pb的代码 from tensorflow.python.framework import graph_util
##################模型封装 output_graph_def = graph_util.convert_variables_to_constants(sess, sess.graph_def, output_node_names=["output"]) # 形参output_node_names用于指定输出的节点名称(不是指的要输出的节点的名称) pb_file_path = " my_net/save_net.pb" with tf.gfile.FastGFile(pb_file_path, mode='wb') as f: f.write(output_graph_def.SerializeToString())
##################模型封装 但是因为是初学者没有找到output_node_names(用于指定输出的节点名称)在你的代码中具体变量名是哪个，能指点一下么？谢谢。
如果我没有弄错的话，你可以在这行之后加入 gender_out = tf.argmax(tf.nn.softmax(gender_logits), 1,name='gender_out ') age_out = tf.reduce_sum(tf.multiply(tf.nn.softmax(age_logits), age_), axis=1,name='age_out ') 函数中的两个name就是你需要的output_node_names
多谢，我这边因为机器配置低的原因，现训练模型所需时间太长了，想直接把ckpt的转化成pb的，因为我直接跑你的demo.py(摄像头调用的)成功了，对应的模型是savedmodel.ckpt，所以想把savedmodel.ckpt转换成pb的，在网上找了一下资料，有如下代码，
import tensorflow as tf import os.path import argparse from tensorflow.python.framework import graph_util
MODEL_DIR = "model/pb" MODEL_NAME = "frozen_model.pb"
if not tf.gfile.Exists(MODEL_DIR): #创建目录 tf.gfile.MakeDirs(MODEL_DIR)
def freeze_graph(model_folder): checkpoint = tf.train.get_checkpoint_state(model_folder) #检查目录下ckpt文件状态是否可用 input_checkpoint = checkpoint.model_checkpoint_path #得ckpt文件路径 output_graph = os.path.join(MODEL_DIR, MODEL_NAME) #PB模型保存路径
output_node_names = "gender_out" #原模型输出操作节点的名字
saver = tf.train.import_meta_graph(input_checkpoint + '.meta', clear_devices=True) #得到图、clear_devices ：Whether or not to clear the device field for an `Operation` or `Tensor` during import.
#print( saver.name)
graph = tf.get_default_graph() #获得默认的图
input_graph_def = graph.as_graph_def() #返回一个序列化的图代表当前的图
with tf.Session() as sess:
saver.restore(sess, input_checkpoint) #恢复图并得到数据
#print "predictions : ", sess.run("predictions:0", feed_dict={"input_holder:0": [10.0]}) # 测试读出来的模型是否正确，注意这里传入的是输出 和输入 节点的 tensor的名字，不是操作节点的名字
output_graph_def = graph_util.convert_variables_to_constants( #模型持久化，将变量值固定
sess,
input_graph_def,
output_node_names.split(",") #如果有多个输出节点，以逗号隔开
)
with tf.gfile.GFile(output_graph, "wb") as f: #保存模型
f.write(output_graph_def.SerializeToString()) #序列化输出
print("%d ops in the final graph." % len(output_graph_def.node)) #得到当前图有几个操作节点
for op in graph.get_operations():
print(op.name, op.values())
if name == 'main': #parser = argparse.ArgumentParser() #parser.add_argument("model_folder", type=str, help="input ckpt model dir") #命令行解析，help是提示符，type是输入的类型， # 这里运行程序时需要带上模型ckpt的路径，不然会报 error: too few arguments #aggs = parser.parse_args() #freeze_graph(aggs.model_folder) freeze_graph("models2") #模型目录 这里也是需要原模型输出操作节点的名字，请问你还记得savedmodel对应性别和年龄判断对应节点的名称么
我当时训练的时候没有手动指定名称，所以名称应该是tf自动分配的，我可以晚些时候回去帮你看一下，可能要明天才能回复你。或者你直接尝试下我刚才的第二条回复应该也是可行的。
因为我想把模型迁移到安卓上面，安卓端需要下面这三个变量名称，可以在train.py中添加进模型么？ 模型中输入变量的名称(最开始的入口节点，是demo.py中第95行的input_image么？) 模型中输出变量的名称(最后的输出节点，没有找到) 输入值的大小(我看了一下demo.py中的95行，是[160, 160, 3]这个大小么？长宽三颜色通道数) 刚开始接触不到3天，望理解小白，非常感谢
@rochou 请问上面你说的转成pb文件，采用第二个回复注释掉方法生成的pb是只包含节点的pb吧，因为我看大小为4M，如果想生成frozen后的pb，还是绕不过需要output_name。 而且生成只包含节点的pb后，我想用tensorflow里面summarize_graph打印输入输出节点信息，但是显示一堆错误，还是得不到name。 另外我在train的时候，加了保存graph的一句话，使用output_name为save/save_all（忘了使用哪种方法print出来的一个name），确实生成了一个很大的pb文件，但是使用summarize_graph打印这个pb文件节点信息的时候，没报错，但是input_name和output_name全部为空。 上面第二个回复提到的生成pb文件的过程，我看别的人说的，貌似是一种生成模型和使用模型解耦的意思，其实还是没有output_name,我尝试了age、ages、age_logits等name试了，都说graph中不存在这个name。 或者可以重新训练的话，这个output_name可以在哪里指定吗，在inception_resnet_v1网络里面，还是在train里面呢？按照上面第一条回复，加入 gender_out = tf.argmax(tf.nn.softmax(gender_logits), 1,name='gender_out ') age_out = tf.reduce_sum(tf.multiply(tf.nn.softmax(age_logits), age_), axis=1,name='age_out ') 还是遇到了错误，加入这两句话后，gender_out和age_out是加入到Graph中了吗？
@bityangbing 我用tensorboard 看graph 可以找到节点并且试着输入output_node_name 可以生成一个大约90M的pb文件 但是接下去这个pb文件不知道可不可以直接迁移安卓里面去...
@shaonfu 我刚接触tf几天，还没用过tensorboard，请问，你说的"试着输入output_node_name"意思是给他增加了一个output_name？还是用tensorboard看到了他最后节点name，并当做了output_name？你还记得output_name是什么吗，他应该是两个输出吧，是两个name组成的list吗？
在 eval.py中加入打印就可以得到输出节点名了：
print(age_logits, age_logits.get_shape())
#Tensor("logits/age/BiasAdd:0", shape=(?, 101), dtype=float32) (?, 101)
print(gender_logits, gender_logits.get_shape())
#Tensor("logits/gender/BiasAdd:0", shape=(?, 2), dtype=float32) (?, 2)
