使用 TensorFlow Benchmark 对 Keras 模型进行基准测试

我正在尝试使用 TensorFlow 后端对 Keras 模型构建的推理阶段的性能进行基准测试。我当时想的是张量流基准测试工具是正确的方法。

我已经成功地在桌面上构建并运行了示例tensorflow_inception_graph.pb一切似乎都运行良好。

我似乎无法弄清楚如何将 Keras 模型保存为正确的模型.pb模型。我可以从 Keras 模型获取 TensorFlow Graph，如下所示：

import keras.backend as K
K.set_learning_phase(0)

trained_model = function_that_returns_compiled_model()
sess = K.get_session()
sess.graph # This works

# Get the input tensor name for TF Benchmark
trained_model.input
> <tf.Tensor 'input_1:0' shape=(?, 360, 480, 3) dtype=float32>

# Get the output tensor name for TF Benchmark
trained_model.output
> <tf.Tensor 'reshape_2/Reshape:0' shape=(?, 360, 480, 12) dtype=float32>

我现在一直在尝试以几种不同的方式保存模型。

import tensorflow as tf
from tensorflow.contrib.session_bundle import exporter

model = trained_model
export_path = "path/to/folder"  # where to save the exported graph
export_version = 1  # version number (integer)

saver = tf.train.Saver(sharded=True)
model_exporter = exporter.Exporter(saver)
signature = exporter.classification_signature(input_tensor=model.input, scores_tensor=model.output)
model_exporter.init(sess.graph.as_graph_def(), default_graph_signature=signature)
model_exporter.export(export_path, tf.constant(export_version), sess)

这会生成一个文件夹，其中包含一些我不知道如何处理的文件。

我现在将运行基准测试工具，如下所示

bazel-bin/tensorflow/tools/benchmark/benchmark_model \
  --graph=tensorflow/tools/benchmark/what_file.pb \
  --input_layer="input_1:0" \
  --input_layer_shape="1,360,480,3" \
  --input_layer_type="float" \
  --output_layer="reshape_2/Reshape:0"

但无论我尝试使用哪个文件作为what_file.pb我得到了一个Error during inference: Invalid argument: Session was not created with a graph before Run()!

所以我让它发挥作用。只需将张量流图中的所有变量转换为常量，然后保存图定义。

这是一个小例子：

import tensorflow as tf

from keras import backend as K
from tensorflow.python.framework import graph_util

K.set_learning_phase(0)
model = function_that_returns_your_keras_model()
sess = K.get_session()

output_node_name = "my_output_node" # Name of your output node

with sess as sess:
    init_op = tf.global_variables_initializer()
    sess.run(init_op)
    graph_def = sess.graph.as_graph_def()
    output_graph_def = graph_util.convert_variables_to_constants(
                                                                 sess,
                                                                 sess.graph.as_graph_def(),
                                                                 output_node_name.split(","))
    tf.train.write_graph(output_graph_def,
                         logdir="my_dir",
                         name="my_model.pb",
                         as_text=False)

现在只需调用 TensorFlow Benchmark 工具即可my_model.pb如图所示。