前言：一般利用tensorflow训练出来的结果都是权重和graph分开保存的，在发布产品的时候，我们需要把权重和graph固化在一起，这里就会用到freeze_graph啦。

『写在前面』关于tf，一种常见的使用方式是：在线下使用TensorFlow的PythonBinding搭建和训练模型，然后利用freeze_graph工具等工具输出*.pb文件（或使用tf.train.Saver

官方提供了相关工具freeze_graph，一般安装完TensorFlow后会自动添加到用户PATH相应的bin目

数据类型转换引用针对预测的优化方向：删除没用的op:.只在训练时使用的op.不在输入输出路径上的op.合并重复节点.常量表达式替换参数四舍五入预处理BatchNorm转换数据类型Google的优化工具freeze_graph

brewinstallpython3//使用homebrew安装pythonpip3installtensorflow==1.2.0或者python3pipinstalltensorflow==1.2.0或者去git上拉取需要安装freeze_graph

0、网络模型的保存和读取TensorFlow提供了一个非常简单的API，即tf.train.Saver类来保存和还原一个神经网络模型。（1）下面代码给出了保存TensorFlow模型的方法：importtensorflowastf#声明两个变量v1=tf.Variable(tf.random_normal([1,2]),name="v1")v2=tf.Variable(tf.random_norm

环境：Ubuntu16.04Anaconda3Python3.6Bazel0.15Tensorflow1.12一、新建虚拟环境先用anaconda新建一个专门编译这些工具的虚拟环境。Anaconda的安装请参考链接：【Anaconda】Ubuntu16.04安装anaconda3。condacreate-nbazelBuildpython=3.6激活环境。sourceactivatebazelBu

Github下载完整代码tensorflowfreeze_graph.py工具简介最近在研究如何打通tensorflow线下python的脚本训练建模,利用freeze_graph工具输出.pb图文件，

使用decent工具量化模型本篇博文以dnndk提供的resnet50模型为例介绍如何使用decent工具对模型进行量化TensorFlow1.冻结模型freeze_graph\--input_graph

在编译bazelbuildtensorflow/python/tools:freeze_graph报错tensorflow/core/kernel/BUILD:6589:1nosuchpackage'@

生成模型主要有两种方法生成模型，一种是通过freeze_graph把tf.train.write_graph()生成的pb文件与tf.train.saver()生成的chkp文件固化之后重新生成一个pb

搭建模型和导出模型参考《TensorFlow固化模型》，导出固化的模型有两种方式.方式1：导出pb图结构和ckpt文件，然后用freeze_graph工具冻结生成一个pb（包含结构和参数）在我的代码里测试了生成

生成模型主要有两种方法生成模型，一种是通过freeze_graph把tf.train.write_graph()生成的pb文件与tf.train.saver()生成的chkp文件固化之后重新生成一个pb

技巧：使用freeze_graph将SavedModel生成的模型合并成一个pb文件在训练mnist模型的时候，增加一个参数，可以在训练完毕后导出SavedModelpythonmnist.py--export_dir

其中freeze_graph负责获取.pb以及包含有

1.安装bazel:(1).bazel官网:https://docs.bazel.build/versions/master/install-ubuntu.html#install-with-installer-ubuntu(2).推荐使用二进制源码安装Usethebinaryinstaller(recommended)(3).按照指导安装,源码包在:https://github.com/baze

TensorFlowLite学习笔记目录TensorFlowLite学习笔记TensorflowLIteDemo模型固化freeze_graph和模型优化optimize_for_inference将模型转化为

Github下载完整代码tensorflowfreeze_graph.py工具简介最近在研究如何打通tensorflow线下python的脚本训练建模,利用freeze_graph工具输出.pb图文件，

使用tools里的freeze_graph来读取ckpt注意：如果模型保存为.ckpt的文件，则使用该文件就可以查看.ckp

graph和网络模型打包在一个文件中bazelbuildtensorflow/python/tools:freeze_graph&&\bazel-bin/tensorflow/python/tools/freeze_graph

说明：freeze_graph，也就是将模型固化，具体讲就是将训练数据和模型固化成pb文件，tensorflow安装目录下有freeze_graph.py文件，该文件可以实现将pb数据文件和ckpt模型文件最终转为一个