如何在 TensorFlow 2.0 中冻结 keras 模型？ （专门将保存的模型格式冻结为 .pb 格式）

Question

谁能解释在 TensorFlow 2 中将 keras 模型（保存的模型格式）冻结为 .pb 格式的过程？ 创建了一个示例 mobilenet keras 模型并以保存的模型格式将其保存到磁盘

import tensorflow as tf
#Tensorflow version: 2.7.0
model = tf.keras.applications.mobilenet.MobileNet(
        include_top=True, 
        weights='imagenet', 
        input_tensor=None, 
        pooling=None,
        classes=1000
)
tf.keras.models.save_model( 
        model, 
        *path*, 
        overwrite=True, 
        include_optimizer=True, 
        save_format='pb', 
        signatures=None 
)

然后在另一个文件中，我需要加载模型并将其冻结为 .pb 格式

import tensorflow as tf
#Tensorflow version: 2.7.0
model = tf.keras.models.load_model( *path* )

############################################
# Freeze the model to a .pb format
############################################

Answer 1

随着 tensorflow 2 的进步，冻结模型已更改为保存模型，您现在已经保存了模型，而不是单个 .pb 文件（graphdef）：

1. 权重
2. GraphDef (.pb)

import tensorflow as tf
pretrained_model = tf.keras.applications.MobileNet()
mobilenet_save_path = 'weights/mobilenet'

# Save to saved model
tf.saved_model.save(pretrained_model, mobilenet_save_path)

注意：保存的模型格式更快并且产生完全相同的结果

如何使用保存的模型

import tensorflow as tf
model = tf.saved_model.load('weights/mobilenet/')

# Grab this function to run saved model
infer = model.signatures['serving_default'] 

image = 'something.jpg'
img = tf.io.decode_jpeg(tf.io.read_file(image))
img_pre = tf.cast(img, tf.float32) 
img_pre = (img_pre / 127.5) - 1
img_pre = tf.image.resize(img_pre, [224, 224])
img_pre = tf.expand_dims(img_pre, axis=0)
preds = infer(img_pre)['outputs']