使用freeze_graph.py导出TensorFlow模型至C++时遇问题求助

你现在用Bazel构建的TensorFlow 1.5，练手用官方的SSD MobileNet v1 COCO模型，用freeze_graph.py导出时遇到「构建成功但报错，二次运行又有新提示」的问题，后续还要导出自研模型，我结合TF1.x的freeze_graph逻辑，给你梳理下排查和解决的实用步骤：

一、先确认freeze_graph.py的调用参数是否正确 #

TF1.x的freeze_graph对参数要求很严格，尤其是SSD这类带检测头的模型，很容易漏关键参数：

• 必须指定--input_graph：原始的.pb文本图（不是训练后的ckpt文件）
• --input_checkpoint：训练好的ckpt文件（注意不要带.data-00000-of-00001或.index后缀，TF会自动关联这些附属文件）
• --output_graph：输出的冻结模型路径
• --output_node_names：重中之重！SSD MobileNet v1的标准输出节点是detection_boxes,detection_scores,detection_classes,num_detections，很多人写错节点名导致后续加载报错
• 额外实用参数：--input_binary=false（如果input_graph是.pbtxt格式）、--clear_devices=true（清除设备绑定，方便跨平台部署）

给你一个正确的调用示例：

python tensorflow/python/tools/freeze_graph.py \
  --input_graph=/path/to/ssd_mobilenet_v1_coco_2017_11_17/graph.pbtxt \
  --input_checkpoint=/path/to/ssd_mobilenet_v1_coco_2017_11_17/model.ckpt \
  --output_graph=/path/to/frozen_ssd_mobilenet.pb \
  --output_node_names=detection_boxes,detection_scores,detection_classes,num_detections \
  --input_binary=false \
  --clear_devices=true

二、排查「构建成功但报错」的常见原因 #

1. 输出节点名不匹配：如果output_node_names写错，冻结后的模型会缺失输出节点，C++加载时直接报找不到节点的错误。你可以用import_pb_to_tensorboard.py把原始图导入TensorBoard，可视化查找准确的输出节点名。
2. ckpt文件路径错误：一定要确保input_checkpoint指向的是不带后缀的ckpt主文件，比如model.ckpt，而不是model.ckpt.data-00000-of-00001。
3. Bazel构建TF1.5的编译选项问题：如果你是从源码编译TF1.5，要确保开启了--config=monolithic和--config=c++11，否则导出的模型在C++端加载时会有兼容性问题。

三、处理「再次运行命令出现新提示」的情况 #

这种情况通常是第一次运行生成了临时文件，或者参数有部分修正但仍有遗漏：

• 先删除第一次运行生成的中间文件（比如临时的.pb文件），清空环境后重新用正确参数运行
• 如果提示「节点已存在」，检查是否重复指定了相同的output_graph路径，或者是否有其他进程占用了该文件
• 如果提示「找不到某些op」，可能是TF1.5的默认op库没有包含SSD的自定义op（官方预训练模型通常已经包含，但自研模型如果有自定义op，必须提前编译进TF）

四、为导出自研模型提前准备 #

1. 训练时保存完整的图结构：自研模型训练时，一定要用tf.train.write_graph()保存原始的图结构（.pbtxt或.pb格式），不要只保存ckpt文件。
2. 确定自研模型的输出节点：同样用TensorBoard查看训练时的输出节点，确保freeze_graph时的output_node_names准确无误。
3. 先在Python端测试冻结后的模型：冻结完成后，先用Python加载模型测试推理是否正常，确认没问题后再转到C端测试，避免在C端排查问题时走弯路。

内容的提问来源于stack exchange，提问作者9friday