查看 tensorflow hub 模型文件信息
有时候,工程需要,我们可以使用他人训练好的模型进行推理。
方法1,在 你配置好的 tf 环境中,运行下述指令,会输出模型相关信息
saved_model_cli show --dir /home/ncut/code_garden/models_downloaded/mnist-tensorflow1-logits-v1 --all
这是我的模型信息:
或者使用 python脚本输出信息
import tensorflow as tf
# 替换成你的模型路径
model_path = "your/saved_model/path"
# 加载模型
loaded_model = tf.saved_model.load(model_path)
# 打印可用方法
print("\n=== 可用方法 ===")
print("可用的签名方法:", list(loaded_model.signatures.keys()))
# 获取默认的serving签名(通常是最重要的)
serving_fn = loaded_model.signatures["serving_default"]
print("\n=== 默认serving签名的输入/输出 ===")
# 打印输入信息
print("\n输入信息:")
for input_tensor in serving_fn.structured_input_signature[1].values():
print(f"名称: {input_tensor.name}")
print(f"数据类型: {input_tensor.dtype}")
print(f"形状: {input_tensor.shape}")
print("----------------------")
# 打印输出信息
print("\n输出信息:")
for output_tensor in serving_fn.structured_outputs.values():
print(f"名称: {output_tensor.name}")
print(f"数据类型: {output_tensor.dtype}")
print(f"形状: {output_tensor.shape}")
print("----------------------")
# 检查是否有其他可用方法
print("\n=== 其他可用方法检查 ===")
if hasattr(loaded_model, 'train'):
print("检测到训练方法: model.train()")
else:
print("没有找到显式的训练方法")
# 如果是Keras模型,尝试显示summary
try:
print("\n=== Keras模型信息 ===")
loaded_model.summary()
except AttributeError:
print("\n该模型不是Keras模型或没有summary方法")
# 打印所有签名详细信息
print("\n=== 所有签名详细信息 ===")
for name, signature in loaded_model.signatures.items():
print(f"\n签名名称: {name}")
print("输入:", signature.inputs)
print("输出:", signature.outputs)
还存在第三种方法,如果你模型的作者公布了文档,可以阅读文档,里面会有对模型的介绍说明。比如 tf hub 网站中的 BlazeFace 模型。
原文地址:https://blog.csdn.net/qq_64338302/article/details/146208201
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.kler.cn/a/586953.html 如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.kler.cn/a/586953.html 如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!