利用keras深度学习框架，生成交通标志分类模型h5，转换为tensorflow的深度学习框架pb，在OpenCV中利用dnn调用pb模型并判断交通标志分类

主要介绍了Keras模型转成tensorflow的.pb操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

转发-用于在NVIDIA GPU上进行高性能深度学习推理的库 [] 向前 Forward是一个用于在NVIDIA GPU上进行高性能深度学习推理的库。 它提供了一个精心设计的方案，可以直接将Tensorflow / PyTorch / Keras模型解析为基于的高性能引擎。 与TensorRT相比，它易于使用且易于扩展。 到目前为止，Forward不仅支持CV，NLP和Recommend领域的主流深度学习模型，还支持一些高级模型，例如BERT，GAN，FaceSwap和StyleTransfer

Keras保存为可部署的pb格式 加载已训练好的.h5格式的keras模型 传入如下定义好的export_savedmodel()方法内即可成功保存 import keras import os import tensorflow as tf from tensorflow.python.util import compat from keras import backend as K def export_savedmodel(model): ''' 传入keras model会自动保存

背景：目前keras框架使用简单，很容易上手，深得广大算法工程师的喜爱，但是当部署到客户端时，可能会出现各种各样的bug，甚至不支持使用keras，本文来解决的是将keras的h5模型转换为客户端常用的tensorflow的pb模型并使用tensorflow加载pb模型。 h5_to_pb.py from keras.models import load_model import tensorflow as tf import os import os.path as osp from ker