---
title: 获取Switch_v1.pb网络模型
description: "1. 将如下文件中的脚本复制到.py文件中，例如复制到Switch_v1.py文件中。"
url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/devaids/atctool/atlasatc_16_0063.html
sourcePath: /source/zh/canncommercial/900/devaids/atctool/atlasatc_16_0063.html
indexId: ede337234b58f6acf313c003ca3b7604547f8ab8607bae467f2f5f4189c4903e67
---
# 获取Switch_v1.pb网络模型

1. 将如下文件中的脚本复制到.py文件中，例如复制到Switch_v1.py文件中。

```
import os
import numpy as np
import tensorflow as tf
x = tf.compat.v1.placeholder(tf.float32, name='x')
y = tf.compat.v1.placeholder(tf.float32, name='y')
z = tf.compat.v1.placeholder(tf.float32, name='z')
def then_branch(x, y, z):
m = tf.square(x)
return m + tf.multiply(y, z)
def else_branch(x, y, z):
m = tf.pow(x, y)
return m - tf.div(y, z)
# 控制流算子使用入口，执行脚本之后，在图中生成对应的V1控制流算子
def testDefun(x, y, z):
return tf.cond(pred=x < y, true_fn=lambda: then_branch(x, y, z), false_fn=lambda: else_branch(x, y, z)), y
def testCase(x, y, z):
a, b = testDefun(x, y, z)
return a + b * z
with tf.compat.v1.Session() as sess:
result = sess.run(testCase(x, y, z), feed_dict={x: 1., y: .6, z: .2})
with tf.io.gfile.GFile('./Switch_v1.pb', 'wb') as f:
f.write(sess.graph_def.SerializeToString())
```


2. 切换到Switch_v1.py脚本所在目录，执行如下命令生成Switch_v1.pb网络模型：

```
python3.7.5 Switch_v1.py
```


  命令执行完毕，在当前目录会生成Switch_v1.pb网络模型。