怎样在Python中通过TensorFlow将模型固化为pb文件-Python教程-PHP中文网

tensorflow 2.x 默认不推荐、也不原生支持生成传统 frozen_graph.pb，应使用 tf.saved_model.save() 导出 savedmodel 目录（含 saved_model.pb 和 variables/）；若强制需单个 .pb，则须回退兼容模式手动冻结图并转常量，易出错且丧失元数据支持。

怎样在python中通过tensorflow将模型固化为pb文件

什么是TensorFlow的“固化模型”（SavedModel vs frozen pb）

直接说结论：TensorFlow 2.x 默认不推荐、也不原生支持生成传统意义上的 frozen_graph.pb（即用 freeze_graph 工具导出的旧式单文件pb）。你真正该用的是 tf.saved_model.save() 导出的 SavedModel 格式——它本质是包含 variables/、assets/ 和 saved_model.pb 的目录，不是单个 .pb 文件。

如果你明确需要单个 .pb（比如部署到某些嵌入式推理引擎或旧版TensorRT），那必须手动“冻结”：把变量转为常量，再序列化图结构。这在 TF 2.x 中需回退到兼容模式，且容易出错。

TF 2.x 正确导出 SavedModel（推荐做法）

这是当前标准流程，兼容 eager mode，支持签名、多输入输出、自定义函数：

model 必须是 tf.keras.Model 实例，或带 @tf.function 装饰的可调用对象
导出前建议先用 model(tf.zeros(...)) 触发一次前向，确保所有子图已构建
调用 tf.saved_model.save(model, "path/to/saved_model_dir") 即可
导出后目录下会生成 saved_model.pb（图定义）和 variables/（权重），这才是现代部署的基准格式

示例：

Python数据分析(免费版)

提供Python数据清洗、统计分析与可视化建议，覆盖业务报表与科研数据的快速处理流程。

下载

import tensorflow as tf
<p>model = tf.keras.Sequential([tf.keras.layers.Dense(10, input_shape=(5,))])
model(tf.zeros((1, 5)))  # warm up
tf.saved_model.save(model, "my_model")
</p>

非要生成 frozen_graph.pb？得绕回 TF 1.x 兼容路径

TF 2.x 中没有 freeze_graph.freeze_graph，必须显式启用 v1 行为，并手动提取图和变量：

必须用 tf.compat.v1 模块，禁用 eager execution：tf.compat.v1.disable_eager_execution()
模型需是 tf.compat.v1.Session 下构建的图（Keras model 需先用 model._set_inputs() 或转为 ConcreteFunction）
核心步骤：获取 ConcreteFunction → 调用 concrete_function.graph.as_graph_def() → 用 tf.graph_util.convert_variables_to_constants_v2 冻结
冻结后得到的 graph_def 才能用 tf.io.write_graph(..., format="binary") 写成 .pb

常见报错：ValueError: Cannot convert a partially defined TensorShape —— 多因输入 shape 未完全指定，务必在构建 concrete function 时传入完整 shape 示例。

冻结后的 pb 文件到底能不能直接 load？

不能直接用 tf.keras.models.load_model() 加载 frozen pb；它不含 Keras 层信息，只是纯计算图。

加载方式只能是：tf.compat.v1.Graph().as_default() + tf.import_graph_def()
必须手动查找输入/输出 tensor 名（如 "serving_default_input:0"），名字取决于导出时的 signature
没有自动 shape 推断，tensor.shape 可能为 None，需靠 tensor.set_shape() 补全
性能上，frozen pb 比 SavedModel 略快（少变量加载开销），但丢失了版本兼容、元数据、asset 支持等关键能力

真正容易被忽略的一点：很多所谓“pb 部署文档”默认你用的是 TF 1.x 图模式，而 TF 2.x 用户若没关 eager mode、没设 concrete function 输入 shape、没处理好 name scope，导出来的 pb 极大概率在下游解析时报 Not found: Op type not registered 或 tensor name mismatch。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！