将 Audioset ckpt 转换为 pb 文件

Question

我正在使用Audioset/VGGish 并尝试将他们提供的checkpoint file 转换为.pb 文件。问题是为训练模型提供的仅有两项是 ckpt 文件（上面链接）和一个npz file。

这是我尝试此操作的第三次尝试，现在已经花了几个小时试图找到执行此操作的最佳工具。到目前为止，我已经找到了几种解决方案，但它们似乎都需要更多信息，而不仅仅是 ckpt 文件。请记住，ckpt文件和Audioset一般需要使用TensorFlow

---

例子：

•freeze_graph：无论我在那里输入什么值，我总是以ValueError: You need to supply the name of a node to --output_node_names 的错误结束。该示例使用softmax，但问题是我似乎无法弄清楚如何从 ckpt 文件中提取节点名称，因此我似乎无法在不知道它们的情况下添加有效值。

• Logged GitHub Issues：按照 OP 的代码，我收到错误 ValueError: No variables to save。

• Stack Overflow questions：这似乎是一个可靠的答案，但 GitHub 存储库没有提供 .ckpt.meta 文件。我认为在某些情况下通常需要元信息？我查看是否有任何方法可以从 ckpt 文件中提取元以创建元文件然后运行信息，因为元文件似乎是没有值的 ckpt 文件的结构或图形（来自此答案:Tensorflow : What is the relationship between .ckpt file and .ckpt.meta and .ckpt.index , and .pb file) 但我可能误解了这一点。

我认为有一种方法可以提取元文件的原因之一是有人登录了 MMdnn GitHub：Convert Audioset VGG from tensorflow to pytorch。虽然没有转换为 .pb，但他们的命令中有一个 ckpt.meta 文件。该文件在他们的描述中没有链接，谷歌搜索“vggish_model.ckpt.meta”只发现了 GitHub 问题。我已就该问题向 OP 发送消息，看看他们是否可以阐明该文件的来源。

•Previous article (2018) with a conversion script：这是一篇比较老的文章。我可以让脚本运行，但也会收到错误 ValueError: No variables to save。

---

如果有人能指出我正确的方向，那就太好了；我已经开始用尽我的选择。似乎有一些很好的解决方案我正在尝试，但我可能只是缺少一两个步骤（或一两个文件）以使其成功转换。

感谢您的帮助！

Answer 1

我希望这个回复还不算太晚，但我设法通过使用repository 中提供的推理代码生成了 .pb 文件。

Obs：由于我的 GPU，我使用的是 tensorflow 1.4.1，所以这可能不适用于较新的版本，或者需要进行一些更改。

推理演示将图形和检查点数据加载到会话中。从那里我可以使用一个函数来保存会话和图表。这是我的代码示例：

import vggish_input
from tensorflow.python.tools import freeze_graph
def save(sess, directory, filename, saver):
    """
    This function saves a checkpoint, based on the current session
    """
    if not os.path.exists(directory):
        os.makedirs(directory)
    filepath = os.path.join(directory, filename)
    saver.save(sess, filepath)
    return filepath

def save_as_pb(sess, directory, filename, saver):
    """
    This function saves a checkpoint, then writes the graph in a pbtxt, and then              makes a frozen graph with the chekpoint and the pbtxt
    """

    # Save checkpoint to freeze graph later
    ckpt_filepath = save(sess, directory=directory, filename=filename, saver=saver)
    pbtxt_filename = filename + '.pbtxt'
    pbtxt_filepath = os.path.join(directory, pbtxt_filename)
    pb_filepath = os.path.join(directory, filename + '.pb')

    # This will only save the graph but the variables will not be saved.
    tf.train.write_graph(graph_or_graph_def=sess.graph_def, logdir=directory, name=pbtxt_filename, as_text=True)

    # Freeze graph, combining the checkpoint and 
    freeze_graph.freeze_graph(input_graph=pbtxt_filepath, input_saver='', input_binary=False, input_checkpoint=ckpt_filepath, output_node_names=vggish_params.OUTPUT_TENSOR_NAME.split(':')[0], restore_op_name='save/restore_all', filename_tensor_name='save/Const:0', output_graph=pb_filepath, clear_devices=True, initializer_nodes='')

    return pb_filepath

然后我在从 vggish_inference_demo.py 文件中的检查点加载模型后立即插入 save_as_pb：

  config = tf.ConfigProto()
  config.gpu_options.allow_growth=True
  with tf.Graph().as_default(), tf.Session(config=config) as sess:
    # Define the model in inference mode, load the checkpoint, and
    # locate input and output tensors.
    vggish_slim.define_vggish_slim(training=False)
    vggish_slim.load_vggish_slim_checkpoint(sess, checkpoint)
    features_tensor = sess.graph.get_tensor_by_name(
        vggish_params.INPUT_TENSOR_NAME)
    embedding_tensor = sess.graph.get_tensor_by_name(
        vggish_params.OUTPUT_TENSOR_NAME)
    saver = tf.train.Saver()
    save_as_pb(sess, './saved_vggish/', 'vggish', saver)