在张量流中将 SSD 转换为冻结图。必须使用哪些输出节点名称？

Posted 2023-03-17

【中文标题】在张量流中将 SSD 转换为冻结图。必须使用哪些输出节点名称？

【英文标题】：Converting SSD to frozen graph in tensorflow. Which output node names must be used?

【发布时间】：2017-12-14 12:02:03

【问题描述】：

我使用TensorFlow Object Detection API 训练SSD，如here 所述。它产生一个ckpt、元和索引文件。为了在我的图像上运行它，我尝试检查演示代码。它要求将模型转换为冻结图。如here 所述，我尝试将我的模型转换为冻结推理图。在该程序中，我必须提供输出节点名称。我无法确定必须在此处使用的 SSD 模型中的节点名称。请帮忙。我试过 'num_detections:0'、'detection_boxes:0' 等。只是得到错误：

AssertionError: num_detections 不在图中

【参考方案1】：

我们有一个特殊的工具可以在 Tensorflow 对象检测 API 中转换为冻结图 --- 只需运行 export_inference_graph.py 二进制文件。使用此工具的说明是here。

【参考方案2】：

您可以自行探索图形：A Tool Developer's Guide to TensorFlow Model Files 并查找节点名称。我可以从我的模型中给出样本：“prefix/digit1/Softmax:0”（在我的 keras 模型中是“digit1”） 另外，我记得您应该将这些名称的列表提供给 transform_graph 实用程序（“--output”参数）。

【参考方案3】：

我正在使用这个小 Python 脚本根据其操作来本地化节点。 “PLaceholder”和“Identity”似乎对查找输入和输出节点很有趣：

import tensorflow as tf

NODE_OPS = ['Placeholder','Identity']
MODEL_FILE = '/path/to/frozen_inference_graph.pb'

gf = tf.GraphDef()
gf.ParseFromString(open(MODEL_FILE,'rb').read())

print([n.name + '=>' +  n.op for n in gf.node if n.op in (NODE_OPS)])