【Tensorflow】Tensorflow serving模型部署（二）：导出savedmodel模型

环境配置，运行官方demo请参考链接：【Tensorflow】Tensorflow serving模型部署（一）：运行官方demo。

TensorFlow Serving中一个servable的模型目录中是一个pb格式文件和一个名为variables的目录，因此需要在模型保存时就保存好可部署的模型格式，或者将已经训练好的checkpoint转换为servable format。

saved_model.pb是MetaGraphDef，它包含图形结构。variables文件夹保存训练所习得的权重。

平常我们使用更多的是f.Saver()保存的模型是checkpoint格式的。

在模型保存时就保存为savedmodel的形式，tensorflow提供了两种方式

一、tf.saved_model.simple_save

 tf.saved_model.simple_save(sess, model_path, inputs={'替换成你的输入节点name': 替换成输入变量name}, outputs={'替换成你的输出节点name': 替换成输出变量name})

在simple_save方法中，系统会给一个默认的tag: “serve”，也可以用tag_constants.SERVING这个常量。

二、tf.saved_model.builder.SavedModelBuild