Tensorflow - 深度 MNIST 教程 - 将分类器导出到 C++答案

【问题标题】：Tensorflow - Deep MNIST Tutorial - Export classifier to C++Tensorflow - 深度 MNIST 教程 - 将分类器导出到 C++
【发布时间】：2017-08-15 21:05:19
【问题描述】：

我获得了训练有素的“深度 MNIST 教程”NN，并且我知道如何使用 TensorFlow Python API 测试模型。现在我想将分类器导出到 C++，这样我就可以在没有 TensorFlow API 的情况下使用它。

我知道经过训练的模型拓扑、权重和激活函数。有这个实现的例子吗？我搜索了它，但找到了如何在 C++ 中创建和训练 NN 而不是分类器示例。

提前致谢。

【问题讨论】：

标签： python c++ tensorflow classification

【解决方案1】：

也许以下 Tensorflow 教程中的代码可以提供帮助？

TensorFlow C++ Image Recognition Demo

本教程代码使用 C++ 编写，无需安装 Tensorflow 即可运行。

但一个限制是它使用导出为“冻结的 protobuf”.pb 文件的模型。您可以按照页面所述下载 inception V3 预训练模型，或冻结您自己的模型来制作一个。

如果您已经将模型/变量保存到检查点，以下代码将有助于冻结您的图表：

freeze_graph.py

或者您可以在训练结束后添加以下代码以获取冻结模型文件为my_model.pb：

  #...some sess.run loop for training

  output_graph_def = sess.graph_def
  output_graph_def = graph_util.convert_variables_to_constants(
        sess, sess.graph_def, ['some_tensor_names_for_output'])
  output_graph_def = remove_training_nodes(output_graph_def)
  with open('my_model.pb', 'wb') as f:
    f.write(output_graph_def.SerializeToString())

【讨论】：

谢谢，它有帮助，我不知道“冻结的 protobuf”.pb。你的代码对我不起作用，但我找到了这个博客：blog.metaflow.fr/…