TensorFlow的checkpoint文件转换为pb文件

由于项目需要，需要将TensorFlow保存的模型从ckpt文件转换为pb文件。

import os
from tensorflow.python import pywrap_tensorflow
from net2use import inception_resnet_v2_small#这里使用自己定义的模型函数即可
import tensorflow as tf
if __name__=='__main__':
    pb_file = "./model/output.pb"
    ckpt_file = "./model/model.ckpt-652900"
    '''
这里的节点名字可能跟设想的有出入，最直接的方法是直接输出ckpt中保存的节点名字，然后对应着找节点名字，具体的进入convert_variables_to_constants函数的实现中graph_util_impl.py，130行的函数：_assert_nodes_are_present 添加代码
    print('在图中的节点是：')
    for din in name_to_node:
        print('{},在图中'.format(din))
然后运行代码，若正确就会直接保存；若失败则会保存失败，找好输出节点的名字，在output_node_names 中添加就好
'''
    output_node_names = ["embedding"]

    with tf.name_scope('input'):
        image = tf.placeholder(tf.float32,shape=(None,79,199,1),name='input_image')


    net, endpoints=inception_resnet_v2_small(image, is_training=False)
    embedding = tf.nn.l2_normalize(net,1,1e-10,name='embedding')

    config=tf.ConfigProto(allow_soft_placement=True)
    config.gpu_options.per_process_gpu_memory_fraction = 0.45
    sess  = tf.Session(config = config)
    saver = tf.train.Saver()
    saver.restore(sess, ckpt_file)
    print('read success')
    converted_graph_def = tf.graph_util.convert_variables_to_constants(sess,
                                input_graph_def  = sess.graph.as_graph_def(),
                                output_node_names = output_node_names)

    with tf.gfile.GFile(pb_file, "wb") as f:
        f.write(converted_graph_def.SerializetoString())

    print('保存成功')