需要找出哪些输出节点名称需要传递给 Tensorflowjs 转换器

Question

我是 Tensorflow 的新手，我开发了一个模型，它使用 Tensorflow、OpenCV 检测一种特殊类型的卡片，我能够在离线模式下使用我的网络摄像头正确检测卡片，但我想将它迁移到web (tensorflowjs)，但我在转换方面遇到了一些问题。

我有检查点、元数据文件以及冻结的推理图 pb 文件

我使用以下代码生成了节点名称列表

import tensorflow as tf


modelName = './<path_to_meta_file>'

tf.reset_default_graph()
with tf.Session() as sess:
    saver = tf.train.import_meta_graph(modelName)
    graph_def = tf.get_default_graph().as_graph_def()
    node_list=[n.name for n in graph_def.node]


print(node_list)

这是输出文件 Output node names using the tensorflow import_meta_graph()

我关心的是我应该在下面的命令中传递什么输出节点名称

tensorflowjs_converter --input_format=tf_frozen_model --output_node_names='<what to write here from that output txt file?>' ./frozen_inference_graph.pb ./web_model

我想在客户端使用真实的网络摄像头运行我现有的模型，任何解决方案和建议都将受到高度赞赏

设置详情：

张量流 1.12.0

使用 Anaconda 的 Python 3.5。

Answer 1

对我来说，tensorflowjs_converter 通过使用“Placeholder”作为 --output_node_names 的参数来运行：

tensorflowjs_converter --input_format=tf_frozen_model --output_format=tensorflowjs --output_node_names=Placeholder ./frozen_inference_graph.pb ./web_model

但不确定这是否是一个有效的解决方案，因为即使转换器在没有错误消息的情况下运行，我也会从 model_pruner 获得输出：“之前的图形大小：1187 个节点，1221 个边。之后的图形大小：1 个节点, 0 条边。” - 所以我的输入实际上减少了，这似乎也不对。

---

更新： 经过两个多小时的研究，我发现张量板指示节点名称（参考this page）。在我的情况下，事实证明--output_node_names=final_result - 并且占位符不超过名称已经说过的内容，一个需要填充有效内容的占位符。