将图形原型 (pb/pbtxt) 转换为 SavedModel 以在 TensorFlow Serving 或 Cloud ML Engine 中使用

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()