對tensorflow模型進行壓縮時需要注意哪些問題

這期內容當中小編將會給大家帶來有關對tensorflow模型進行壓縮時需要注意哪些問題，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

1.安裝bazel，從github上下載linux版的.sh文件，然后安裝

2.從GitHub上下載最新的TensorFlow源碼

3.進入TensorFlow源碼文件夾，輸入命令

bazel build tensorflow/tools/graph_transforms:transform_graph

這里會遇到各種坑，比如

ERROR: /opt/tf/tensorflow-master/tensorflow/core/kernels/BUILD:3044:1: C++ compilation of rule ‘//tensorflow/core/kernels:matrix_square_root_op' failed (Exit 4)

gcc: internal compiler error: Killed (program cc1plus)

這個錯誤是cpu負荷太大，需要加行代碼

# 生成swap鏡像文件
sudo dd if=/dev/zero of=/mnt/512Mb.swap bs=1M count=512
# 對該鏡像文件格式化
sudo mkswap /mnt/512Mb.swap
# 掛載該鏡像文件 
sudo swapon /mnt/512Mb.swap

又或者這個@aws Error downloading

我看csdn有的博主解決方法是去臨時文件夾刪掉文件重新下載，但是我這邊發現沒用，我這邊的解決方法是運行bazel前先輸入一條命令：

sed -i '\@https://github.com/aws/aws-sdk-cpp/archive/1.5.8.tar.gz@aws' tensorflow/workspace.bzl

命令里的網址就是實際要下載的文件的地址，因為有的地址可能改了

到這里編譯bazel就完成了

4.編譯完了就可以模型壓縮了，也是一行代碼，in_graph為輸入模型路徑，outputs不動，out_graph為輸出模型路徑，transforms就填一個quantize_weights就可以了，這個就是把32bit轉成8bit的，也是此方法最有效的一步；我看有的博主還先編譯summary然后打印出輸入輸出結點，之后再輸入一大堆參數，還刪除一些結點啥的，我這邊都試了，最終也并沒有更縮減模型大小，所以就這樣就可以了。

bazel-bin/tensorflow/tools/graph_transforms/transform_graph --in_graph=../model/ctpn.pb  --outputs='output_node_name'  --out_graph=../model/quantized_ctpn.pb  --transforms='quantize_weights'

最終從68m縮減到17m，75%的縮減比例，實測效果基本沒啥差別，這方法還是很管用的。

補充：模型壓縮一二三之tensorflow查看ckpt模型里的參數和數值

查看ckpt模型參數和數值

import os
from tensorflow.python import pywrap_tensorflow
checkpoint_path = os.path.join("<你的模型的目錄>", "./model.ckpt-11000") 
# Read data from checkpoint file
reader = pywrap_tensorflow.NewCheckpointReader(checkpoint_path)
var_to_shape_map = reader.get_variable_to_shape_map()
# Print tensor name and values
for key in var_to_shape_map:
 print("tensor_name: ", key)
 print(reader.get_tensor(key))

注意：

1、"<你的模型目錄>“是指你的meta、ckpt這些模型存儲的路徑。

比如路徑”/models/model.ckpt-11000.meta"這種，那么"<你的模型目錄>“就是”/models"

2、當目錄下有多個ckpt時，取最新的model名字到ckpt-<最大數字>就可以了，后面不用了。

上述就是小編為大家分享的對tensorflow模型進行壓縮時需要注意哪些問題了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。