pb转onnx

工具下载tensorflow-onnx
按照步骤安装

主要依赖的库文件
tensorflow
tf2onnx 1.10.0
onnx 1.5

测试时 onnxruntime 1.4.0

python -m tf2onnx.convert --input ./pb/xxx.pb --inputs normalized_input_image_tensor:0 --outputs normalized_input_image_tensor:0,raw_outputs/class_predictions:0,raw_outputs/box_encodings:0,anchors:0 --output ./onnx/xxx.onnx --verbose --opset 12
–input: 需要转换的pb地址
–inputs 模型输入op
–outputs 模型需要输出的op
–output 转换的onnx的输出地址
–opset 转换模型的版本,版本尽量高一些 有些工具不支持低版本的 例如pplnn推理引擎
–verbose 转换时日志显示

模型结构可视化工具
查看自己的模型结构

获取模型的节点列表名 输入、输出等

import tensorflow as tf
import os
model_dir ./pb/entry_202008120940_s3_79779.pb 
def create_graph():
 with tf.gfile.FastGFile(model_dir, rb ) as f:
 graph_def tf.GraphDef()
 graph_def.ParseFromString(f.read())
 tf.import_graph_def(graph_def, name )
create_graph()
tensor_name_list [tensor.name for tensor in tf.get_default_graph().as_graph_def().node]
print( input_name: tensor_name_list[0])
print( output_name: str(tensor_name_list))

查看生成的onnx

import onnx
# Load the onNX model
model onnx.load( ./onnx/entry_202008120940_s3_79779.onnx )
# 检查IR是否形成良好
onnx.checker.check_model(model)
# 打印图形的可读表示形式
print(onnx.helper.printable_graph(model.graph))

参考
https://blog.csdn.net/comway_Li/article/details/113885297?utm_term pb%E8%BD%AConnx utm_medium distribute.pc_aggpage_search_result.none-task-blog-2allsobaiduweb~default-1-113885297 spm 3001.4430

https://blog.csdn.net/sinat_37532065/article/details/106664724