保存tensorflow模型为pb文件

通常训练模型的时候是保存ckpt方便接着哪睁训练，但是上线可以保存为pb模型，加载的时候不需要氏知重新定义模型，只用输入输出来调用模型。

save_model 和load_model两个函数要分开执行，第一次注释掉load，只save，第二次load的时候注释掉save。因为声明模型的时候都是用默认图，变量命名会依次是0,1，load的时候名字对应不上。

保存好的pb模型路径文件李核岁格式为

还有一种保存pb模型的方法，保存的东西只有model.pb没有variables。

如果需要发布模型成服务，请看： https://www.jianshu.com/p/5b74f1bc0178

TensorFlow(一)InceptionResnetV1参数结构

TensorFlow(一)模型InceptionResnetV1参数结构和参数值展示

[1] 【python】读取和输出到txt

[2] 如何从已存在的检查点文件（cpkt文友孝件）种解析出里面变量——无需重新创建原始计算图

[3] Tensorflow 模型文件结做告如构、模型中Tensor查看

[4] 查看TensorFlow checkpoint文件中的变量名和对应值

[5] 输出TensorFlow中checkpoint内变量的几种方纯启法

调用时，代码如下:

y即为输出的结果。

github传送门：SymphonyPy/Valified_Code_Classify

一个识别非常简单闹轿的验证码的程序

保存训练好的模型的代码如下：扮弯培

训练完一个模型后，为了以后重复使用，通常我们需要对模型的结果进行保存。如果用Tensorflow去实现神经网络，所要保存的就是神经网络中的各项权重厅唯值。建议可以使用Saver类保存和加载模型的结果。

1、使用tf.train.Saver.save()方法保存模型

tf.train.Saver.save(sess, save_path, global_step=None, latest_filename=None, meta_graph_suffix='meta', write_meta_graph=True, write_state=True)

sess: 用于保存变量 *** 作的会话。

save_path: String类型，用于指定训练结果的保存路径。

global_step: 如果提供的话，这个数字会添加到save_path后面，用于构建checkpoint文件。这个参数有助于我们区分不同训练阶段的结果。

2、使用tf.train.Saver.restore方法价值模型

tf.train.Saver.restore(sess, save_path)

sess: 用于加载变量 *** 作的会话。

save_path: 同保存模型是用到的的save_path参数。

---