将keras的h5模型转换为tensorflow的pb模型操作

将将keras的的h5模型转换为模型转换为tensorflow的的pb模型操作模型操作

主要介绍了将keras的h5模型转换为tensorflow的pb模型操作，具有很好的参考价值，希望对大家有所帮助。一

起跟随小编过来看看吧

背景：目前keras框架使用简单，很容易上手，深得广大算法工程师的喜爱，但是当部署到客户端时，可能会出现各种各样的

bug，甚至不支持使用keras，本文来解决的是将keras的h5模型转换为客户端常用的tensorflow的pb模型并使用tensorflow加载

pb模型。

h5_to_pb.py

input_path = 'input path'

weight_file = 'weight.h5'

weight_file_path = osp.join(input_path,weight_file)

output_graph_name = weight_file[:-3] + '.pb'

#转换函数

def h5_to_pb(h5_model,output_dir,model_name,out_prefix = "output_",log_tensorboard = True):

if osp.exists(output_dir) == False:

os.mkdir(output_dir)

out_nodes = []

for i in range(len(h5_model.outputs)):

graph_io.write_graph(main_graph,output_dir,name = model_name,as_text = False)

if log_tensorboard:

from tensorflow.python.tools import import_pb_to_tensorboard

import_pb_to_tensorboard.import_to_tensorboard(osp.join(output_dir,model_name),output_dir)

#输出路径

output_dir = osp.join(os.getcwd(),"trans_model")

#加载模型

h5_model = load_model(weight_file_path)

h5_to_pb(h5_model,output_dir = output_dir,model_name = output_graph_name)

print('model saved')

def load_pb(pb_file_path):

sess = tf.Session()

with gfile.FastGFile(pb_file_path, 'rb') as f:

graph_def = tf.GraphDef()

graph_def.ParseFromString(f.read())

sess.graph.as_default()

tf.import_graph_def(graph_def, name='')

print(sess.run('b:0'))

#输入

print(ret)

补充知识：补充知识：h5模型转化为模型转化为pb模型，代码及排坑模型，代码及排坑

我是在实际工程中要用到tensorflow训练的pb模型，但是训练的代码是用keras写的，所以生成keras特定的h5模型，所以用到

了h5_to_pb.py函数。

附上h5_to_pb.py（python3）