如何在无.meta checkpoint文件的情况下将TensorFlow模型冻结为.pb格式？

可以转换，TF2.x的Checkpoint机制不需要依赖.meta文件就能完成检查点恢复并导出为.pb格式（即SavedModel），具体操作步骤如下：

• 定位到你的检查点目录，确认目录内包含checkpoint配置文件、.data-00000-of-00001权重文件和.index索引文件
• 编辑checkpoint文件，将其中model_checkpoint_path和all_model_checkpoint_paths字段的值修改为你要转换的目标检查点前缀（例如目标检查点是my_ckpt-500，就把这两行的值都改成my_ckpt-500）
• 编写代码恢复检查点并导出模型：
  首先要定义与训练阶段完全一致的模型结构，再通过tf.train.Checkpoint加载权重：

  # 定义和训练时相同的模型结构
  class YourModel(tf.keras.Model):
      # 模型结构实现，需与训练代码完全匹配
      pass
  
  model = YourModel()
  checkpoint = tf.train.Checkpoint(model=model)
  # 恢复指定检查点，路径为检查点目录下的检查点前缀（不带后缀）
  checkpoint.restore(tf.train.latest_checkpoint("./your_checkpoint_dir")).assert_consumed()
  

  恢复完成后，使用model.save()导出为包含.pb文件的SavedModel格式：

  # 导出到指定目录，save_format="tf"表示生成标准SavedModel结构
  model.save("./saved_pb_model", save_format="tf")
  

导出的./saved_pb_model目录即为包含.pb文件的完整模型，后续可直接用tf.keras.models.load_model("./saved_pb_model")加载使用。

内容的提问来源于stack exchange，提问作者capyman1701