如何使用training_util.write_graph()函数将TensorFlow图模型保存为pb文件

在TensorFlow中，可以使用training_util.write_graph()函数将图模型保存为.pb文件。这个函数的作用是将TensorFlow的计算图存储为一个序列化的protobuf文件，它包含了计算图中所有的节点以及它们之间的关系。

下面是一个使用training_util.write_graph()函数保存图模型的示例：

import tensorflow as tf
from tensorflow.python.framework import graph_util
from tensorflow.python.framework import graph_io
from tensorflow.python.tools import freeze_graph

# 创建一个简单的计算图
tf.reset_default_graph()
input_node = tf.placeholder(tf.float32, shape=[None, 10], name='input_node')
output_node = tf.layers.dense(input_node, 1, name='output_node')

# 将计算图保存为.pb文件
graph_def = tf.get_default_graph().as_graph_def()
output_dir = './model'
output_graph_name = 'graph.pb'
output_graph_path = graph_io.write_graph(graph_def, output_dir, output_graph_name, as_text=False)
print('Saved model graph to:', output_graph_path)

在上面的示例中，我们首先创建了一个简单的计算图，其中包含一个输入节点和一个输出节点。然后，我们使用tf.get_default_graph().as_graph_def()将计算图转换为GraphDef对象。接下来，我们通过graph_io.write_graph()函数将GraphDef对象保存为.pb文件。这个函数需要指定GraphDef对象、目标文件夹以及目标文件名。

在上面的示例中，我们将计算图保存为了graph.pb文件。文件将保存在当前目录下的model文件夹中。在执行完上面的代码后，你将能够在指定的目录下找到graph.pb文件。

保存为.pb文件后，可以使用tf.train.write_graph()函数将图模型转换为冻结图。冻结图是将模型的权重、偏置等参数和计算图结合在一起的单个文件，在使用时更方便。下面是一个将图模型转换为冻结图的例子：

# 冻结图
input_checkpoint = './model/model.ckpt'  # 模型的checkpoint路径
output_graph = './frozen_model.pb'  # 冻结图的保存路径

saver = tf.train.Saver()
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    saver.restore(sess, input_checkpoint)

    # 写入冻结图
    frozen_graph_def = graph_util.convert_variables_to_constants(sess, sess.graph.as_graph_def(), ['output_node'])
    with tf.gfile.GFile(output_graph, 'wb') as f:
        f.write(frozen_graph_def.SerializeToString())
print('Saved frozen graph to:', output_graph)

在上面的示例中，我们首先定义了输入的checkpoint路径和输出的冻结图路径。然后，我们创建了一个Saver对象并使用restore()方法将模型的权重和偏置等参数加载到会话中。接下来，我们使用graph_util.convert_variables_to_constants()函数将计算图中的变量转换为常量，并指定需要保留的输出节点名称。最后，我们使用tf.gfile.GFile()函数将冻结图保存为一个二进制文件。

在执行完上面的代码后，你将能够在指定的目录下找到frozen_model.pb文件，它是一个包含模型参数和计算图的文件。

以上就是使用training_util.write_graph()函数将TensorFlow图模型保存为.pb文件的方法，以及将图模型转换为冻结图的例子。你可以使用这些方法将训练好的模型保存并在其他环境中使用。