Keras生成的.h5模型转换成TensorFlow的固化.pb模型

TensorFlow版本是1.15.0，没有用2.0版本，用2.0版本会有一些问题，我参考的是https://github.com/amir-abdi/keras_to_tensorflow ，直接运行会报一些错误，我遇到的错误有很多，解决之后就能生成固化模型了

报错1：tensorflow.python.framework.errors_impl.FailedPreconditionError: Attempting to use uninitialized val

原因：sess没有初始化

解决方式：在sess = K.get_session()后加上初始化代码，如下所示

sess = K.get_session()
######## 初始化sess
init = tf.global_variables_initializer()
sess.run(init)

报错2：ImportError: Could not find 'cudart64_100.dll' ，也会出现类似的错误，找不到dll文件
原因：缺少cudart64_100.dll文件
解决方式：下载dll文件放到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin路径下，这是我的路径，根据自己cuda版本不同放到对应的bin里就可以。

报错3：ValueError: Unknown initializer: GlorotUniform 
原因：加载模型方法不一致的问题，训练保存模型时候用哪种方式，加载的时候也需要用相同的方式，
解决方式：修改load模型的方法，如下所示，可以参考keras文档https://keras.io/getting_started/faq/ 中What are my options for saving models?的回答

from keras.models import load_model
# 将上面的这句话替换成下面的，即可。
from tensorflow.keras.models import load_model

# 在执行此句就不会报错了
model = load_model('lstm_model.h5')

报错4：由于文件中自定义了函数load_model，在解决报错3后，需要修改了文件中的自定义函数名称，如果不修改会有死循环出现
解决方式：修改自定义函数名称，我的修改如下所示

# 原文件函数名称是load_model，我修改为load_model_new，避免与报错3的加载模型函数冲突
def load_model_new(input_model_path, input_json_path=None, input_yaml_path=None):
    print(input_model_path,"input_model_path")
    if not Path(input_model_path).exists():
        raise FileNotFoundError(
            'Model file `{}` does not exist.'.format(input_model_path))
    try:
        # model = keras.models.load_model(input_model_path, compile=False)
        model = load_model(input_model_path)
        return model

修改完成后，在目录下执行如下命令，input_model为h5模型路径 ，output_model=输出模型路径

python keras_to_tensorflow.py --input_model="model.h5" --output_model="model.pb"