TensorFlow中freeze_graph.py使用方法及Unity .bytes文件问题求助

我来帮你搞定这两个困扰你的问题——先拆解那个TypeError的根源，再给你几个不用freeze_graph.py就能生成Unity兼容.bytes文件的实用方案。

一、先解决TypeError: names_to_saveables must be a dict...报错 #

这个错误的核心原因很明确：你调用freeze_graph.freeze_graph时，传入的names_to_saveables参数要求是字符串到TensorFlow Variable（可训练变量）的字典映射，但你传入的是一个Tensor（比如报错里的BoxPredictor_0/BoxEncodingPredictor/biases:0），而不是Variable。

快速修复步骤： #

• 先核对你要冻结的节点是否真的是可训练变量：用tf.train.list_variables("你的checkpoint文件路径")列出 checkpoint 中所有的可训练变量，确保你指定的节点名字在这个列表里。如果不在，说明这个节点是计算生成的Tensor，不是可保存的变量，不能通过names_to_saveables指定。
• 如果你确实需要包含这个Tensor，建议放弃freeze_graph.py，改用下面提到的TensorFlow原生API手动冻结，这种方式更灵活，能自动处理变量转常量的逻辑。
• 检查output_node_names参数：确保你指定的输出节点是模型实际的推理输出节点，名字写错也会导致类似的匹配错误。

二、不用freeze_graph.py生成Unity可用的.bytes文件 #

Unity要求的.bytes本质就是二进制文件，只要是正确冻结的TensorFlow模型二进制内容，不管后缀是.pb还是.bytes，Unity都能识别（甚至直接把.pb重命名为.bytes就能用）。下面给你几个更可靠的替代方案：

方案1：用TensorFlow原生API手动冻结并保存为二进制 #

这个方法绕过freeze_graph.py，直接用TensorFlow的convert_variables_to_constants API把变量转为常量，生成的二进制文件可以直接保存为.bytes：

import tensorflow as tf
from tensorflow.python.framework import graph_util

# 1. 加载你的模型（这里以SavedModel格式为例，也可以用ckpt加载）
with tf.compat.v1.Session() as sess:
    # 加载SavedModel
    tf.compat.v1.saved_model.loader.load(sess, ["serve"], "你的SavedModel路径")
    
    # 2. 指定模型的输出节点（根据你的模型调整，比如检测模型的输出可能是boxes、scores等）
    output_node_names = ["BoxPredictor_0/BoxEncodingPredictor/BiasAdd", "BoxPredictor_0/ClassPredictor/BiasAdd"]
    
    # 3. 把变量转换为常量，生成冻结图
    frozen_graph_def = graph_util.convert_variables_to_constants(
        sess,
        sess.graph_def,
        output_node_names
    )
    
    # 4. 保存为.bytes文件
    with open("frozen_model.bytes", "wb") as f:
        f.write(frozen_graph_def.SerializeToString())

这个方法能避免freeze_graph.py的参数限制，更适合复杂模型的冻结。

方案2：转换为TensorFlow Lite格式再存为.bytes #

如果你的Unity项目使用TensorFlow Lite插件，这个方案更高效——TFLite模型体积更小，运行更快，而且直接保存为二进制后重命名为.bytes即可：

import tensorflow as tf

# 加载SavedModel并转换为TFLite
converter = tf.lite.TFLiteConverter.from_saved_model("你的SavedModel路径")
# 如果需要支持自定义操作，添加converter.target_spec.supported_ops = [...]
tflite_model = converter.convert()

# 保存为.bytes文件
with open("model.tflite.bytes", "wb") as f:
    f.write(tflite_model)

在Unity中，你可以用TensorFlow Lite插件直接加载这个.bytes文件，无需额外处理。

方案3：直接重命名已有的.pb文件 #

如果你已经成功生成了正确的冻结.pb文件，最简单的方法就是直接把它的后缀改成.bytes——Unity会把它识别为二进制TextAsset，加载时读取其bytes属性即可传入TensorFlow插件。

最后补充Unity加载小提示 #

在Unity中，把.bytes文件导入后，设置其Import Settings为TextAsset，然后通过代码读取：

TextAsset modelAsset = Resources.Load<TextAsset>("frozen_model");
// 把bytes传给TensorFlow插件加载模型

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