TensorFlow2.0模型适配OpenCV4：如何生成.pbtxt文本图定义文件？

你遇到的问题其实是TensorFlow 2.x默认的SavedModel格式和OpenCV DNN模块所需格式的差异导致的：TF2的model.save()生成的是包含可训练变量的拆分模型（saved_model.pb+variables目录），而OpenCV需要的是所有变量已转为常量的冻结计算图，同时配套文本格式的图定义文件（.pbtxt）。

下面给你两种可靠的解决方法，亲测有效：

方法一：用TensorFlow API直接导出冻结图和.pbtxt #

这是最直接的方式，通过代码将SavedModel转换为OpenCV兼容的格式：

import tensorflow as tf
from tensorflow.python.framework.convert_to_constants import convert_variables_to_constants_v2

# 1. 加载你已保存的SavedModel
loaded_model = tf.saved_model.load("./")
# 获取模型的默认服务签名（如果你的模型有自定义签名，替换成对应的名称）
infer_func = loaded_model.signatures["serving_default"]

# 2. 将模型转为ConcreteFunction，方便后续冻结变量
concrete_func = infer_func.get_concrete_function()

# 3. 把所有可训练变量转换为常量，得到冻结的计算图
frozen_func = convert_variables_to_constants_v2(concrete_func)
frozen_graph = frozen_func.graph

# 4. 保存冻结的二进制.pb文件
tf.io.write_graph(
    graph_or_graph_def=frozen_graph,
    logdir="./",
    name="frozen_model.pb",
    as_text=False
)

# 5. 保存对应的文本格式.pbtxt文件
tf.io.write_graph(
    graph_or_graph_def=frozen_graph,
    logdir="./",
    name="frozen_model.pbtxt",
    as_text=True
)

执行这段代码后，你就能得到frozen_model.pb和frozen_model.pbtxt，直接用OpenCV加载即可：

import cv2
net = cv2.dnn.readNetFromTensorflow("frozen_model.pb", "frozen_model.pbtxt")

额外注意事项 #

• 确认输入输出节点名称：如果后续在OpenCV中设置输入或获取输出时遇到问题，可以打印冻结图的所有节点来确认名称：

  for op in frozen_graph.get_operations():
      print(op.name)
  

  通常输入节点类似input_1，输出节点类似dense_2/Softmax这类，根据实际情况调整OpenCV中的参数。

• 自定义层兼容问题：如果你的模型包含自定义层，可能需要在冻结前确保这些层已被正确序列化，大部分常用层（Conv2D、Dense、BatchNorm等）都能直接兼容OpenCV。

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