---
title: 模型固化
description: "TensorFlow保存图graph、权重weights的过程称为freezing，在保存过程中会产生一个protobuf文件，简称pb文件。导出并保存pb文件的方法使用的是原生TensorFlow框架的能力，下面仅简要给出一些步骤示例。"
url: https://www.hiascend.com/document/detail/zh/TensorFlowCommercial/latest/migration/tfmigr2/tfmigr2_000077.html
sourcePath: /source/zh/TensorFlowCommercial/900/migration/tfmigr2/tfmigr2_000077.html
indexId: f11e0bec1f2115a6d70cd995cd8c01292aea68b2b0757731211ec068e12d416973
---
# 模型固化

TensorFlow保存图graph、权重weights的过程称为freezing，在保存过程中会产生一个protobuf文件，简称pb文件。导出并保存pb文件的方法使用的是原生TensorFlow框架的能力，下面仅简要给出一些步骤示例。

1. 保存SavedModel模型。

```
tf.saved_model.save(network, "save_path")
```


  在save_path文件夹下会生成如下文件/文件夹：

```
|--- save_model.pb     # 保存网络结构
|--- variables         # 权重参数存储目录
|--- assets            # 所需的外部文件存储目录，例如初始化的词汇表文件
```


2. 冻结pb模型。
  加载上述步骤导出的SavedModel模型，并将SavedModel模型冻结为带权重的pb模型，代码示例如下。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 import tensorflow as tf from tensorflow import keras from tensorflow.keras import models from tensorflow.python.framework.convert_to_constants import convert_variables_to_constants_v2 from tensorflow.python.framework import graph_util # 加载SavedModel模型 saved_model_dir = "save_path" model = tf.saved_model.load(saved_model_dir) # 初始化signatures infer = model.signatures["serving_default"] # 冻结带权重的pb文件 frozen_func = convert_variables_to_constants_v2(infer) tf.io.write_graph(graph_or_graph_def=frozen_func.graph, logdir="./", name="frozen_graph.pb", as_text=False)