vgg16 keras保存模型以导出c++

一种方法是在Python中将Keras模型转换为TensorFlow模型,然后将冻结图导出到 .pb 文件然后用C++加载。我用这段代码导出了一个冻结的 PB 来自Keras的文件。

import tensorflow as tf

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

K.set_learning_phase(0)
model = function_that_returns_your_keras_model()
sess = K.get_session()

output_node_name = "my_output_node" # Name of your output node

with sess as sess:
    init_op = tf.global_variables_initializer()
    sess.run(init_op)
    graph_def = sess.graph.as_graph_def()
    output_graph_def = graph_util.convert_variables_to_constants(
                                                                 sess,
                                                                 sess.graph.as_graph_def(),
                                                                 output_node_name.split(","))
    tf.train.write_graph(output_graph_def,
                         logdir="my_dir",
                         name="my_model.pb",
                         as_text=False)

然后,您可以按照任何有关如何加载的教程进行操作 PB C++中的文件。例如: https://medium.com/jim-fleming/loading-a-tensorflow-graph-with-the-c-api-4caaff88463f

Keras在TensorFlow图中注入learning\u phase变量,还可能注入其他Keras专用变量-如果我没记错的话,您应该确保从图中删除这些变量。