如何在不丢失 metagraphdef 的情况下将 a.meta.index 和.data 文件转换为 SavedModel (.pb) 格式？

Question

我正在尝试转换预训练的 model 的这三个文件：

1. semantic_model.data-00000-of-00001
2. 语义模型索引
3. 语义模型.meta

转换为 Saved Model 格式，以便稍后将其转换为 TFLite 格式进行推理。 搜索 StackOverflow，我遇到了这段代码，它正确生成了 Saved_model.pb，但是正如一些评论中指出的那样，以这种方式执行并不会保留 Meta Graph Definitions，这会在我稍后尝试转换时导致错误将其转换为 TFlite 格式或将其冻结。

import os
import tensorflow.compat.v1 as tf
tf.compat.v1.disable_eager_execution()
export_dir = '/tf-end-to-end/export_dir' 
#trained_checkpoint_prefix = 'Models/semantic_model' \tf-end-to-end\Models
trained_checkpoint_prefix = 'PATH TO MODEL DIRECTORY'
tf.reset_default_graph()
graph = tf.Graph()
loader = tf.train.import_meta_graph(trained_checkpoint_prefix + ".meta" )
sess = tf.Session()
loader.restore(sess,trained_checkpoint_prefix)
builder = tf.saved_model.builder.SavedModelBuilder(export_dir)
builder.add_meta_graph_and_variables(sess, [tf.saved_model.tag_constants.TRAINING, tf.saved_model.tag_constants.SERVING], strip_default_attrs=True)
builder.save()

这是我在尝试使用 saved_model 时遇到的错误：

RuntTimeError: MetaGraphDef associated with tags {'serve'} could not be found in SavedModel

运行showsavedmodelcli --all不会在创建的 saved_model 的签名定义下显示任何内容。

我的问题是，如何维护数据并将其转换为 saved_model，以便以后转换为 TFLite 格式？

Model 结构和创建细节可以看这里，包括提到的检查点文件： https://github.com/OMR-Research/tf-end-to-end

Answer 1

请参阅以下步骤将检查点转换为 TFLite model： https://github.com/tensorflow/tensorflow/blob/master/tensorflow/lite/g3doc/r1/convert/python_api.md#convert-checkpoints-