將Keras模型轉換爲TensorFlow protobuf

我們目前正在使用Keras來培訓各種神經網絡，這是理想的，因爲它有一個很好的界面並且相對易於使用，但我們希望能夠將它們應用到我們的生產中環境。將Keras模型轉換爲TensorFlow protobuf

不幸的是，生產環境是C++，所以我們的計劃是：

使用TensorFlow後端模型保存到protobuf的
鏈接我們的生產代碼TensorFlow，然後在protobuf的加載

不幸的是，我不知道如何從Keras訪問TensorFlow保存實用程序，它通常保存爲HDF5和JSON。我如何保存到protobuf？

2016-04-04 Shep

不熟悉Keras，但是如果它使用默認圖形，則可以將protobuf作爲'tf.get_default_graph（）。as_graph_def（）' –

您可以訪問TensorFlow後端由：

import keras.backend.tensorflow_backend as K

然後，你可以調用任何TensorFlow實用程序或功能，如：

K.tf.ConfigProto

來源

2016-04-22 05:26:01 Ahmed

這似乎在"Keras as a simplified interface to TensorFlow: tutorial"要回答的，貼在的Keras博客由Francois Chollet編輯的。

特別是，section II, "Using Keras models with TensorFlow"。

來源

2016-05-10 13:52:16

-1

將您的keras模型保存爲HDF5文件。

然後，您可以做下面的代碼轉換：

from keras import backend as K 
from tensorflow.python.framework import graph_util 
from tensorflow.python.framework import graph_io 

weight_file_path = 'path to your keras model' 
net_model = load_model(weight_file_path) 
sess = K.get_session() 

constant_graph = graph_util.convert_variables_to_constants(sess, sess.graph.as_graph_def(), 'name of the output tensor') 
graph_io.write_graph(constant_graph, 'output_folder_path', 'output.pb', as_text=False) 
print('saved the constant graph (ready for inference) at: ', osp.join('output_folder_path', 'output.pb'))

這裏是處理多輸入多輸出情況下，我的示例代碼： https://github.com/amir-abdi/keras_to_tensorflow

來源

2017-05-10 05:33:07 AHA

在你不需要的情況下在您正在部署的環境中使用GPU，您也可以使用我的庫，稱爲節儉深度。它可以在GitHub上獲得並在MIT許可證下發布：https://github.com/Dobiasd/frugally-deep

節儉的深度允許直接使用C++在已經訓練好的Keras模型上運行正向傳遞，而無需鏈接到TensorFlow或任何其他後端。

來源

2018-01-03 17:50:58

任何支持RNN的計劃？與處理RNN（但不是卷積）的[lwtnn]（https://github.com/lwtnn/lwtnn）有趣的重疊。 – Shep

@Shep我希望將來能夠支持他們，但是我還沒有爲此計劃一個計劃。 –

將Keras模型轉換爲TensorFlow protobuf

回答

相關問題