python训练模型给java用，python模型训练

序言

从前面的Tensorflow环境配置到物体检测模型迁移学习，已经完成一个简单的扑克游戏探测器，无论是从照片或者视频都能够在画面里辨别出有扑克牌目标，并标示出扑克牌等级。可是，我想在想要他放到电脑浏览器上很有可能实际应用，那样应该怎么让Tensorflow模型转换成web格式的？下一步将从实践活动的视角详细介绍一下布署方式！

自然环境

Windows10

Anaconda3

TensorFlow.js converter

converter详细介绍

Converter全称TensorFlow.js Converter，他能将TensorFlow GraphDef模型(根据Python API建立的，可以直接解读为Python模型) 转换成Tensorflow.js可获取的模型格式(json格式), 用以用浏览器中对特定信息进行测算。

converter组装

为了保障前边物体检测练习自然环境，这儿我就用conda建立了一个新的Python虚拟环境，Python版本号3.6.8。在使用转换装置的情况下，假如现阶段自然环境并没有Tensorflow，默认设置会安装及TF有关的依赖性，只需进到特定虚拟环境，输入下列命令。

pip install tensorflowjs

converter使用方法

tensorflowjs_converter --input_format=tf_saved_model --output_format=tfjs_graph_model --signature_name=serving_default --saved_model_tags=serve ./saved_model ./web_model

1. 造成文件(产生的web格式模型)

转换器命令实行后生产制造二种文档，分别为model.json （数据流程图和权重值明细）和group1-shard\\*of\\* （二进制权重值文档）

2. 输入的前提条件(命令参数和选择项[带--为选择项])

converter转换命令后边关键带上四个主要参数，分别为输入模型的格式，导出模型的格式，输入模型的路线，导出模型的路线，大量协助信息内容能通过下列命令查询，附页命令分解图。

tensorflowjs_converter --help

2.1. --input_format

要转换的模型的格式,SavedModel 为 tf_saved_model, frozen model 为 tf_frozen_model, session bundle 为 tf_session_bundle, TensorFlow Hub module 为 tf_hub，Keras HDF5 为 keras。

2.2. --output_format

导出模型的格式, 分别为tfjs_graph_model (tensorflow.js图模型，储存后web模型没了再训练水平，适宜SavedModel输入格式转换)，tfjs_layers_model(tensorflow.js层模型，具备有限的资源Keras作用，不适宜TensorFlow SavedModels转换)。

2.3. input_path

saved model, session bundle 或 frozen model的一体化的路线，或TensorFlow Hub模块途径。

2.4. output_path

输出文件的保存路径。

2.5. --saved_model_tags

仅对SavedModel转换使用的选择项：输入必须载入的MetaGraphDef相对应tag，好几个tag请使用逗号分隔。默认serve。

2.6. --signature_name

对TensorFlow Hub module和SavedModel转换使用的选择项：相匹配要载入的签字，默认default。

2.7. --output_node_names

导出节点名称，每一个名称用分号分离出来。

3. 常见的2组命令行

covert from saved_modeltensorflowjs_converter --input_format=tf_saved_model --output_format=tfjs_graph_model --signature_name=serving_default --saved_model_tags=serve ./saved_model ./web_model2. convert from frozen_modeltensorflowjs_converter --input_format=tf_frozen_model --output_node_names='num_detections,detection_boxes,detection_scores,detection_classes' ./frozen_inference_graph.pb ./web_modelk

逐渐实践活动

1. 寻找根据export_inference_graph.py导出来的模型

导出来的模型在工程项目的inference_graph文件夹名称(models\\research\\object_detection)里，frozen_inference_graph.pb是 tf_frozen_model输入格式所需要的，而saved_model文件夹名称便是tf_saved_model格式。在文件列表下新建web_model文件目录，用以存放转换后web格式的模型。

2. 逐渐转换

在目前虚拟环境下，进入inference_graph目录下，输入下列命令，以后就会在web_model生成一个json文件或好几个权重值文档。

tensorflowjs_converter --input_format=tf_saved_model --output_format=tfjs_graph_model --signature_name=serving_default --saved_model_tags=serve ./saved_model ./web_model