无法将tensorflow冻结图转换为pbtxt文件

问题描述

限时删除！！

鉴于张量流冻结推理图的输入，我想提取pbtxt文件。为此，我使用以下脚本：

  import tensorflow as tf 
 
 #from google.protobuf import tensorflow.python.platform中的text_format 
导入gfile 
 
 def转换器（文件名）：
与gfile.FastGFile（filename，'rb'）as f：
 graph_def = tf.GraphDef（）
 graph_def.ParseFromString（f.read（））
 tf.import_graph_def（graph_def，name =''）
 tf.train.write_graph（graph_def，'pbtxt / '，'protobuf.pbtxt'，as_text = True）
 print（graph_def）
 return 
 
 
 #converter（'ssd_mobilenet_v1_coco_2017_11_17 / frozen_inference_graph.pb'）＃此处您可以输入要转换的文件名
＃，然后将在pbtxt目录中创建一个新文件。 
 
转换器（'ssd_mobilenet_v1_coco_2017_11_17 / frozen_inference_graph.pb'）
  

例如，我正在使用ssd mobilenet体系结构。使用上面的代码，我得到的输出为pbtxt，但是我不能使用它。供参考，请参见下图

当我使用右边的官方pbtxt时，我会得到正确的结果。但是，当我使用上面的脚本生成的LEFT pbtxt时，我没有得到任何预测

我在开放式Cv DNN模块上使用了这些预测

  tensorflowNet = cv2.dnn.readNetFromTensorflow（'ssd_mobilenet_v1_coco_2017_11_17 / frozen_inference_graph.pb'，'pbtxt / protobuf.pbtxt'）
  

如何将mobilenet冻结的推理图转换为正确的pbtxt格式，以便可以进行推理？

参考文献：

这就是您所需要的，现在复制冻结的推理图和新生成的pbtxt文件。并且，使用以下脚本通过OpenCV运行模型：

  import cv2 
 
＃加载一个从Tensorflow 
导入的模型tensorflowNet = cv2.dnn.readNetFromTensorflow（'card_graph / frozen_inference_graph.pb'，'exported_pbtxt / output.pbtxt'）
 
＃输入图像
 img = cv2 .imread（'image.jpg'）
行，列，通道= img.shape 
 
＃使用给定的图像作为输入，该图像必须是blob。 
 tensorflowNet.setInput（cv2.dnn.blobFromImage（img，size =（300，300），swapRB = True，crop = False））
 
＃运行前向传递以计算网络输出
 networkOutput = tensorflowNet.forward（）
 
＃在输出
上循环以在network中进行检测Output [0,0]：
 
分数=浮点数（检测[2]）
，如果得分> 0.9：
 
左=检测[3] * cols 
顶部=检测[4] *右
行=检测[5] * cols 
底部=检测[ 6] *行
 
＃在检测到的对象
周围绘制一个红色矩形cv2.rectangle（img，（int（left），int（top）），（int（right），int（底部）），（0，0，255），厚度= 2）
 
＃显示带有检测对象周围的矩形的图像
 cv2.imshow（'Image'，img）
 cv2.waitKey（）
 cv2.destroyAllWindows（）
  

I want to extract pbtxt file given an input of tensorflow frozen inference graph. In order to do this I am using the below script :

import tensorflow as tf

#from google.protobuf import text_format
from tensorflow.python.platform import gfile

def converter(filename):
  with gfile.FastGFile(filename,'rb') as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())
    tf.import_graph_def(graph_def, name='')
    tf.train.write_graph(graph_def, 'pbtxt/', 'protobuf.pbtxt', as_text=True)
    print(graph_def)
  return


#converter('ssd_mobilenet_v1_coco_2017_11_17/frozen_inference_graph.pb')  # here you can write the name of the file to be converted
# and then a new file will be made in pbtxt directory.

converter('ssd_mobilenet_v1_coco_2017_11_17/frozen_inference_graph.pb')

As an example, I am using ssd mobilenet architecture. Using the above code I get the output as pbtxt but I cannot use it. For reference see the image below

When I use The official pbtxt on the RIGHT I get correct results. But, I do not get any prediction when I use LEFT pbtxt which I generated using above script

I am using these predictions on open cv DNN module

tensorflowNet = cv2.dnn.readNetFromTensorflow('ssd_mobilenet_v1_coco_2017_11_17/frozen_inference_graph.pb', 'pbtxt/protobuf.pbtxt')

How do I convert mobilenet frozen inference graph into proper pbtxt format so that I can get inference ?

References:https://gist.github.com/Arafatk/c063bddb9b8d17a037695d748db4f592

解决方案

Heres what worked for me

• git clone https://github.com/opencv/opencv.git
• Navigate to opencv/samples/dnn/
• Copy frozen_inference_graph.pb, and *.config file corresponding to your pb file
• Paste the copied files in opencv/samples/dnn directory
• Make a new folder in the den directory and name it "exported_pbtxt"

And run this script:

python3 tf_text_graph_ssd.py --input frozen_inference_graph.pb --output exported_pbtxt/output.pbtxt --config pipeline.config

That’s all you need, now copy the frozen inference graph and newely generated pbtxt file. And, use the following script to run your model using OpenCV:

import cv2

# Load a model imported from Tensorflow
tensorflowNet = cv2.dnn.readNetFromTensorflow('card_graph/frozen_inference_graph.pb', 'exported_pbtxt/output.pbtxt')

# Input image
img = cv2.imread('image.jpg')
rows, cols, channels = img.shape

# Use the given image as input, which needs to be blob(s).
tensorflowNet.setInput(cv2.dnn.blobFromImage(img, size=(300, 300), swapRB=True, crop=False))

# Runs a forward pass to compute the net output
networkOutput = tensorflowNet.forward()

# Loop on the outputs
for detection in networkOutput[0,0]:

    score = float(detection[2])
    if score > 0.9:

        left = detection[3] * cols
        top = detection[4] * rows
        right = detection[5] * cols
        bottom = detection[6] * rows

        #draw a red rectangle around detected objects
        cv2.rectangle(img, (int(left), int(top)), (int(right), int(bottom)), (0, 0, 255), thickness=2)

# Show the image with a rectagle surrounding the detected objects
cv2.imshow('Image', img)
cv2.waitKey()
cv2.destroyAllWindows()

这篇关于无法将tensorflow冻结图转换为pbtxt文件的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！

1403页，肝出来的..