我一直在关注TensorFlow 诗人 2 https://codelabs.developers.google.com/codelabs/tensorflow-for-poets-2我在我训练过的模型上进行了代码实验室,并创建了一个带有嵌入权重的冻结量化图。它被捕获在一个文件中 - 比如说my_quant_graph.pb
.
因为我可以使用该图进行推理TensorFlow Android 推理库 https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/android很好,我想我可以用 Cloud ML Engine 做同样的事情,但它似乎只适用于 SavedModel 模型。
如何简单地将单个 pb 文件中的冻结/量化图转换为在 ML 引擎上使用?
事实证明,SavedModel 提供了有关已保存图形的一些额外信息。假设冻结图不需要资产,那么它只需要指定的服务签名。
这是我运行的 python 代码,用于将图形转换为 Cloud ML 引擎接受的格式。注意我只有一对输入/输出张量。
import tensorflow as tf
from tensorflow.python.saved_model import signature_constants
from tensorflow.python.saved_model import tag_constants
export_dir = './saved'
graph_pb = 'my_quant_graph.pb'
builder = tf.saved_model.builder.SavedModelBuilder(export_dir)
with tf.gfile.GFile(graph_pb, "rb") as f:
graph_def = tf.GraphDef()
graph_def.ParseFromString(f.read())
sigs = {}
with tf.Session(graph=tf.Graph()) as sess:
# name="" is important to ensure we don't get spurious prefixing
tf.import_graph_def(graph_def, name="")
g = tf.get_default_graph()
inp = g.get_tensor_by_name("real_A_and_B_images:0")
out = g.get_tensor_by_name("generator/Tanh:0")
sigs[signature_constants.DEFAULT_SERVING_SIGNATURE_DEF_KEY] = \
tf.saved_model.signature_def_utils.predict_signature_def(
{"in": inp}, {"out": out})
builder.add_meta_graph_and_variables(sess,
[tag_constants.SERVING],
signature_def_map=sigs)
builder.save()
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)