无.meta文件的TensorFlow目标检测模型如何导出pb格式文件

问题解答 #

1. 缺少.meta文件能否运行通用冻结程序 #

不能。通用的TensorFlow模型冻结脚本依赖.meta文件存储的计算图结构信息，没有该文件脚本无法还原完整的模型网络结构，无法完成变量到常量的转换操作。

2. .meta文件生成方法 #

你已经可以基于现有ckpt文件完成推理，说明你已经有了构建模型结构、加载ckpt权重的完整代码，只需要在推理代码的会话（Session）存活、权重已经加载完成的状态下，执行一次saver保存操作即可自动生成.meta文件：

# 你原有推理代码中加载完权重后加入以下代码
saver = tf.train.Saver()
saver.save(sess, save_path='./ckpt-11')

执行完成后你会在对应目录下得到ckpt-11.meta文件。

额外提示：你使用的是TensorFlow官方目标检测模块训练的模型，更推荐直接用官方自带的export_inference_graph.py导出脚本，不需要单独生成.meta文件，只需要传入你的pipeline.config和ckpt前缀即可直接导出可用的pb文件，适配性更高。

3. output_node_names参数获取方式 #

通过TensorFlow目标检测API训练的MobilenetSSD模型，固定输出节点名如下，直接填入即可：
detection_boxes, detection_scores, detection_classes, num_detections
如果你需要自行确认，可在加载完模型的推理会话中执行以下代码打印所有节点名筛选：

for node in sess.graph_def.node:
    print(node.name)

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