How to transfer the .ckpt to .pb?

[lucky-xu-1994]

I have learned a lot to how transfer .ckpt to .pb, but it needs the input_tensor_name and output_node_names , in this project I can't find them, so how can I transfer the .ckpt to .pb? please help!

[tkone2018]

@lucky-xu-1994 你好，你这个搞定了嘛？我发现找不到模型的输入输出节点

[lucky-xu-1994]

@lucky-xu-1994 你好，你这个搞定了嘛？我发现找不到模型的输入输出节点

你把ckpt文件的输入输出节点打印出来，如果是这个工程文件的的话，
我找到的是六个特征图的输出节点，每个特征图输出一个分类和位置回归，例如：第一个特征图是“ssd_512_vgg/softmax/Softmax”(分类),"ssd_512_vgg/block4_box/Reshape"（位置回归），要是想得到最终的结果，需要将所有层的输出综合一起做非极大值抑制，具体可以参考工程文件中的notebooks/ssd_notebook.ipynb，
输入节点是一个队列输入，如果想要方便测试单张图片，可以在冻结模型时通过输入占位符进行冻结。

[tkone2018]

可以加qq或微信吗？qq:843783062 微信：tk-conquer

[tkone2018]

@lucky-xu-1994 然后我就很迷惑

[lucky-xu-1994]

@lucky-xu-1994 然后我就很迷惑

你要打印的是节点名字，试试这个，找一下soft_max输出
from tensorflow.python import pywrap_tensorflow
import tensorflow as tf
import os
model_dir = '/home/pb/'
ckpt='/home/logs/model.ckpt-332005'

with tf.Session() as sess:
saver = tf.train.import_meta_graph(ckpt +'.meta', clear_devices=True)
graph_def = tf.get_default_graph().as_graph_def(add_shapes=True)
node_list = [n.name for n in graph_def.node]
result_file = os.path.join(model_dir,'result1.txt')
with open(result_file,'w+') as f:
for node in node_list:
#print("node_name", node)
f.write(node+'\n')

print('done')

[tkone2018]

import tensorflow as tf
import os
model_dir = './out/'
ckpt='F:/SSD/SSD-Tensorflow/train_model/model.ckpt-750'
with tf.Session() as sess:
    saver = tf.train.import_meta_graph(ckpt +'.meta', clear_devices=True)
graph_def = tf.get_default_graph().as_graph_def(add_shapes=True)
node_list = [n.name for n in graph_def.node]
result_file = os.path.join(model_dir,'result1.txt')
with open(result_file,'w+') as f:
    for node in node_list:
         #print("node_name", node)
        f.write(node+'\n')
        print('done')

代码格式是这样的吧

[lucky-xu-1994]

import tensorflow as tf
import os
model_dir = './out/'
ckpt='F:/SSD/SSD-Tensorflow/train_model/model.ckpt-750'
with tf.Session() as sess:
saver = tf.train.import_meta_graph(ckpt +'.meta', clear_devices=True)
graph_def = tf.get_default_graph().as_graph_def(add_shapes=True)
node_list = [n.name for n in graph_def.node]
result_file = os.path.join(model_dir,'result1.txt')
with open(result_file,'w+') as f:
for node in node_list:
#print("node_name", node)
f.write(node+'\n')
print('done')

代码格式是这样的吧

你把session下面的代码都放在会话结构中，然后仔细看一下网络的定义，找一下softmax输出
具体你可以参照 https://blog.csdn.net/guyuealian/article/details/82218092
以及https://blog.csdn.net/zkgoup/article/details/105657577?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase

[tkone2018]

好的，谢谢

[tkone2018]

你好，我又来麻烦你了，哈哈，我找到的是六个特征图的输出节点，每个特征图输出一个分类和位置回归，例如：第一个特征图是“ssd_512_vgg/softmax/Softmax”(分类),"ssd_512_vgg/block4_box/Reshape"（位置回归），要是想得到最终的结果，需要将所有层的输出综合一起做非极大值抑制，具体可以参考工程文件中的notebooks/ssd_notebook.ipynb，
输入节点是一个队列输入，如果想要方便测试单张图片，可以在冻结模型时通过输入占位符进行冻结。
根据你之前说的，我现在也是得到了输入输出节点，现在是我想弄成可以发布服务的那种，那模型的输出就得是做过后处理的，请问一下如果将所有层的输出综合一起做非极大值抑制，我看了下那个推理文件，这个好像是得到6个输出节点后再进行后处理