企业官网建设流程全解析

1. 从一个真实场景说起：为什么需要折腾模型格式转换

做深度学习工程落地的朋友大概率都遇到过这种局面：训练阶段用TensorFlow的Checkpoint机制保存权重，训练脚本跑得好好的，评估、微调都没问题；可一旦要把模型交给部署团队，对方开口就问“有没有pb文件”或者“能不能给个SavedModel目录”。这时候如果手头只有一堆.ckpt文件，或者反过来只有SavedModel却想恢复训练，就得在两种格式之间来回倒腾。

我自己第一次碰到这个问题是在一个图像分类项目上。训练用的是tf.train.Saver那套老流程，产出了model.ckpt-10000.index、model.ckpt-10000.data-00000-of-00001、model.ckpt-10000.meta三件套。部署同事要的是冻结后的.pb，我一开始以为改个后缀就行，结果当然是打不开。后来才明白，Checkpoint、SavedModel、冻结图（frozen graph）这三者根本不是一个层面的东西，它们各自承载的信息、依赖的上下文、适用的场景都不一样。

这篇文章就把我这些年在这几种格式之间转换踩过的坑、总结出来的稳定流程完整梳理一遍。核心围绕三件事：Checkpoint怎么转成SavedModel、SavedModel怎么转回Checkpoint、SavedModel怎么冻结成pb，以及反向的pb怎么还原成可继续训练的Checkpoint。内容偏工程实操，适合已经跑通过TensorFlow训练、但对模型持久化机制还比较模糊的开发者，也适合需要对接部署流程的算法工程师。读完之后你应该能独立完成任意方向的格式转换，并且知道每一步为什么这么做、哪里容易出错。

先给一个最基础的概念对齐，不然后面全是糊涂账。Checkpoint本质上是“变量字典的快照”，它只存了变量名到张量值的映射，外加图结构（在.meta里，TF2默认不存）。它不包含前向计算图的完整定义，也不包含签名（signature），所以单独一个ckpt文件是没法直接拿去推理的。SavedModel是TensorFlow官方推荐的通用序列化格式，它把计算图、变量、签名、资产文件打包成一个目录，语言无关、可跨平台加载，是TF Serving、TF Lite转换、TF.js转换的入口。冻结图pb则是把变量全部变成常量（constant）后固化进GraphDef，得到一个自包含的、不依赖外部变量文件的单文件模型，适合嵌入式或轻量推理场景。

理解了这三者的定位，转换的方向感就出来了：从“轻”到“重”需要补图结构和签名，从“重”到“轻”需要把变量固化。下面分方向逐个拆。

2. Checkpoint转SavedModel：补全图结构与签名是核心难点

2.1 为什么不能直接读ckpt就导出

很多人第一反应是写个脚本，tf.train.load_checkpoint读进来，然后tf.saved_model.save出去。这条路走不通的原因在于：tf.saved_model.save需要一个可追踪的Python对象（通常是tf.Module或tf.keras.Model），它要能对输入做一次前向追踪，从而记录下完整的计算图。而Checkpoint里只有变量值，没有这个可追踪对象，也没有输入输出的定义。

所以正确的思路是：先重建模型结构，再把ckpt里的权重灌进去，最后导出SavedModel。重建结构这一步是绕不开的，你必须知道原始模型的网络定义。这也是为什么工程上强烈建议训练时就同时保存SavedModel，而不是只留ckpt。

2.2 基于meta图重建（TF1风格）

如果你的ckpt是TF1时代用tf.train.Saver保存的，通常会带一个.meta文件，里面存了GraphDef。这种情况下可以用tf.train.import_meta_graph把图恢复出来，再restore变量：

import tensorflow as tf meta_path = "./model.ckpt-10000.meta" ckpt_prefix = "./model.ckpt-10000" saver = tf.train.import_meta_graph(meta_path, clear_devices=True) graph = tf.get_default_graph() with tf.Session(graph=graph) as sess: saver.restore(sess, ckpt_prefix) # 此时graph里已经有完整的计算图，可以找到输入输出tensor input_tensor = graph.get_tensor_by_name("input:0") output_tensor = graph.get_tensor_by_name("logits:0")

拿到图之后，导出SavedModel需要构造签名。TF1里常用tf.saved_model.simple_save：

tf.saved_model.simple_save( sess, "./saved_model_dir", inputs={"input": input_tensor}, outputs={"output": output_tensor} )

这里有个关键点：get_tensor_by_name里的名字必须和建图时一致。如果你不记得tensor名字，可以在restore之后遍历graph.get_operations()打印出来找。我一般会写个小工具函数把所有placeholder和输出节点列出来，避免瞎猜。

2.3 基于代码重建（TF2/Keras风格）

TF2默认用tf.keras，ckpt往往是通过model.save_weights或tf.train.Checkpoint保存的，没有meta图。这时候唯一可靠的办法是用原始模型定义代码重新实例化一个模型，然后load_weights或restore：

import tensorflow as tf # 必须和训练时完全一致的模型定义 model = build_model() # 你自己定义的函数 model.load_weights("./checkpoints/ckpt-10000") # 直接导出SavedModel model.save("./saved_model_dir", save_format="tf")

model.save在TF2里默认就是SavedModel格式，会自动带上签名。如果模型有自定义的call逻辑，建议显式指定signatures参数，否则默认签名可能只接受特定shape的输入。

注意：load_weights对变量名的匹配非常严格。如果训练时用了tf.train.Checkpoint包装，恢复时也要用同样的包装结构，否则会出现大量“未匹配变量”的警告，甚至静默加载失败。我踩过一次坑，模型结构看着一样，但因为一层Dense的命名从dense变成了dense_1，权重全没加载上，推理结果完全是随机的。

2.4 变量名不匹配的排查方法

变量名对不上是ckpt转SavedModel最常见的拦路虎。排查手段有两个：一是用tf.train.list_variables(ckpt_path)列出ckpt里所有变量名和shape；二是用model.variables或model.weights列出当前模型的变量名。两边打印出来对比，差异一目了然。

import tensorflow as tf ckpt_vars = tf.train.list_variables("./checkpoints/ckpt-10000") for name, shape in ckpt_vars: print(name, shape) for v in model.variables: print(v.name, v.shape)

如果只是命名前缀不同（比如多了model/或layer_with_weights-0/），可以用tf.train.Checkpoint的save/restore配合assert_consumed来定位，或者手动做名字映射。手动映射虽然笨，但在结构复杂时最可靠。

3. SavedModel转Checkpoint：恢复训练与继续微调

3.1 什么情况下需要反向转换

SavedModel转Checkpoint的需求通常出现在两个场景：一是拿到别人训练好的SavedModel，想在自己的数据上继续微调；二是部署环境只给了SavedModel，但研发需要恢复训练流程做实验。这时候需要把SavedModel里的变量提取出来，重新组织成Checkpoint格式。

3.2 加载SavedModel并提取变量

TF2里加载SavedModel很简单：

import tensorflow as tf loaded = tf.saved_model.load("./saved_model_dir") # loaded是一个可调用对象，内部变量可以通过variables访问 print(list(loaded.variables))

但要注意，loaded.variables返回的是变量列表，顺序和名字不一定和原始训练时一致。更稳妥的方式是通过loaded.signatures找到具体的计算函数，再顺着函数追踪变量。不过对于大多数Keras导出的SavedModel，直接用tf.keras.models.load_model加载会更友好：

model = tf.keras.models.load_model("./saved_model_dir") model.save_weights("./new_ckpt/ckpt")

这样得到的Checkpoint就是标准的TF2权重格式，可以直接被后续训练脚本用load_weights读取。

3.3 用tf.train.Checkpoint重新包装

如果后续训练脚本用的是tf.train.Checkpoint管理状态（比如包含优化器状态、步数等），那就需要手动构造一个Checkpoint对象：

import tensorflow as tf model = tf.keras.models.load_model("./saved_model_dir") optimizer = tf.keras.optimizers.Adam() ckpt = tf.train.Checkpoint(model=model, optimizer=optimizer) ckpt.write("./new_ckpt/ckpt")

这样写出来的Checkpoint包含了模型和优化器的变量。恢复时用同样的结构ckpt.restore即可。这里有个细节：优化器状态在SavedModel里通常是不保存的，所以反向转换出来的Checkpoint一般只含模型权重，优化器状态需要重新初始化。如果要做无缝续训，最好在训练阶段就定期保存完整的tf.train.Checkpoint。

3.4 转换后验证权重是否真的对上了

转换完不做验证等于白转。我的习惯是：转换后立刻用同一份输入分别跑原SavedModel和新Checkpoint恢复的模型，对比输出是否一致。

import numpy as np sample = np.random.rand(1, 224, 224, 3).astype(np.float32) # 原SavedModel输出 orig_out = model(sample, training=False).numpy() # 新Checkpoint恢复后输出 new_model = build_model() new_model.load_weights("./new_ckpt/ckpt") new_out = new_model(sample, training=False).numpy() print(np.max(np.abs(orig_out - new_out)))

理想情况下这个差值应该是0或者极小（浮点误差级别）。如果差值很大，说明权重没对上，得回去查变量名映射。

4. SavedModel冻结成pb：把变量钉死成常量

4.1 冻结的本质与适用边界

冻结（freeze）做的事情，是把计算图里所有Variable节点替换成Const节点，值就是当前变量的取值。这样得到的GraphDef不再依赖任何外部变量文件，单文件即可推理。它适合的场景是：模型结构固定、不需要再训练、部署环境希望尽量简单。

但冻结也有代价：模型体积会变大（因为常量直接嵌在图里，没有压缩），而且失去了灵活性（改不了输入shape、加不了新层）。所以如果你的部署环境支持SavedModel，优先用SavedModel，冻结pb更多是历史遗留或特定嵌入式场景的需求。

4.2 TF1风格的freeze_graph流程

TF1时代标准做法是用tf.compat.v1.graph_util.convert_variables_to_constants：

import tensorflow as tf with tf.Session() as sess: saver = tf.train.import_meta_graph("./model.ckpt-10000.meta") saver.restore(sess, "./model.ckpt-10000") graph = tf.get_default_graph() input_tensor = graph.get_tensor_by_name("input:0") output_tensor = graph.get_tensor_by_name("logits:0") frozen_graph = tf.compat.v1.graph_util.convert_variables_to_constants( sess, graph.as_graph_def(), [output_tensor.op.name] ) with tf.io.gfile.GFile("./frozen_model.pb", "wb") as f: f.write(frozen_graph.SerializeToString())

convert_variables_to_constants的第三个参数是输出节点名字列表，必须准确。如果写错，冻结出来的图可能缺少关键节点，加载时报“找不到节点”。

4.3 TF2里从SavedModel冻结

TF2没有直接的冻结API，但可以用convert_variables_to_constants_v2：

import tensorflow as tf from tensorflow.python.framework.convert_to_constants import convert_variables_to_constants_v2 model = tf.keras.models.load_model("./saved_model_dir") # 构造一个具体的函数 full_model = tf.function(lambda x: model(x)) full_model = full_model.get_concrete_function( tf.TensorSpec(model.inputs[0].shape, model.inputs[0].dtype) ) frozen_func = convert_variables_to_constants_v2(full_model) frozen_func.graph.as_graph_def() tf.io.write_graph( frozen_func.graph, "./", "frozen_model.pb", as_text=False )

这段代码的关键是get_concrete_function，它把动态的Keras模型固定成一个具体输入shape的计算图。输入shape必须和部署时一致，否则冻结出来的图只能接受那个特定shape。

4.4 冻结后如何验证pb可用

冻结完别急着交付，先用tf.compat.v1.GraphDef读回来，确认节点齐全：

import tensorflow as tf with tf.io.gfile.GFile("./frozen_model.pb", "rb") as f: graph_def = tf.compat.v1.GraphDef() graph_def.ParseFromString(f.read()) with tf.Graph().as_default() as graph: tf.import_graph_def(graph_def, name="") for op in graph.get_operations(): print(op.name, op.type)

重点看输入输出节点在不在，以及有没有残留的VariableV2或Variable类型节点。如果还有变量节点，说明冻结没成功，通常是输出节点列表没覆盖到所有分支。

5. pb还原成Checkpoint：逆向操作与它的局限

5.1 pb能不能还原成可训练模型

严格来说，冻结pb无法完美还原成可训练的Checkpoint，因为变量已经变成常量，常量是不可训练的。但如果你只是想把pb里的权重提取出来，重新灌到一个结构相同的模型里，这条路是通的。做法是：解析pb的GraphDef，找到所有Const节点，按名字映射回模型的变量。

5.2 从pb提取常量并映射回变量

import tensorflow as tf import numpy as np with tf.io.gfile.GFile("./frozen_model.pb", "rb") as f: graph_def = tf.compat.v1.GraphDef() graph_def.ParseFromString(f.read()) const_values = {} for node in graph_def.node: if node.op == "Const": tensor = node.attr["value"].tensor arr = tf.make_ndarray(tensor) const_values[node.name] = arr # 然后按名字匹配到你的模型变量 model = build_model() for var in model.variables: key = var.name.split(":")[0] if key in const_values: var.assign(const_values[key])

这段代码的难点在于名字匹配。冻结时节点名可能被加了前缀或做了重命名，需要根据实际情况调整。我一般会先把const_values的key全部打印出来，和model.variables的名字对照，找出规律再写映射。

5.3 还原后的训练可行性评估

即使权重成功灌回去了，也要清楚：这个模型是从冻结图来的，可能丢失了训练时的很多信息，比如BN层的移动均值/方差是否完整、dropout配置是否正确、损失函数定义是否还在。所以还原后第一件事是跑一遍评估，确认精度和原模型一致，再决定要不要继续训练。如果精度对不上，说明某些关键变量没还原到位。

6. 踩坑实录：那些让我加班到深夜的转换问题

6.1 输入shape写死导致的部署失败

有一次我把SavedModel冻结成pb，输入shape写的是[1, 224, 224, 3]，结果部署方要批量推理，喂了[8, 224, 224, 3]直接报错。冻结时如果用get_concrete_function指定了固定batch，图里就钉死了。解决办法是冻结时把batch维度设为None：

full_model = full_model.get_concrete_function( tf.TensorSpec([None, 224, 224, 3], tf.float32) )

这样冻结出来的pb支持动态batch。但要注意，有些算子对动态shape支持不好，冻结后可能仍然报错，需要实测。

6.2 BN层与dropout在冻结时的行为差异

BatchNormalization和Dropout在训练和推理时行为不同。冻结时必须确保模型处于推理模式（training=False），否则BN会用当前batch的统计量，dropout会随机丢弃，冻结出来的结果就是错的。Keras里model.save和convert_variables_to_constants_v2默认会处理这个问题，但如果你手动构造tf.function，一定要显式传training=False。

6.3 变量名带作用域前缀的匹配问题

TF1的变量名经常带scope/前缀，比如conv1/weights。而Keras模型的变量名可能是conv2d/kernel。这种命名体系差异导致直接按名字匹配几乎不可能。我的经验是：如果两边都是自己可控的代码，训练时就统一用Keras风格；如果是接手别人的模型，就老老实实写映射表，一个变量一个变量对。

6.4 转换后精度掉点的排查思路

转换后精度掉点，排查顺序建议是：先确认输入预处理是否一致（归一化参数、通道顺序），再确认模型是否处于推理模式，然后对比中间层输出。我遇到过一次是pb里的输入节点名字变了，部署方喂错了tensor，数据根本没进网络。所以转换后一定要做端到端的数值对比，不能只看文件生成成功就完事。

7. 一套可复用的转换检查清单

把上面这些经验固化成一个检查清单，每次转换照着过一遍，能省掉大量返工。

这份清单看着简单，但每一条背后都是实打实的坑。尤其是变量名匹配和数值验证这两项，我建议做成自动化脚本，每次转换后自动跑一遍，比人眼靠谱得多。

8. 关于工具链选择的一点个人看法

现在TensorFlow生态里做格式转换，工具其实不少，但各有各的脾气。tf.saved_model.save和tf.keras.models.load_model是最省心的，前提是模型用Keras标准写法。一旦涉及自定义层、自定义训练循环，就得自己处理签名和变量追踪，复杂度陡增。convert_variables_to_constants_v2虽然能用，但它是内部API，版本之间行为可能有差异，升级TF版本时要重点回归测试。

我的建议是：新项目一律以SavedModel为唯一交付格式，训练时定期保存tf.train.Checkpoint用于续训，部署时从SavedModel导出所需格式。Checkpoint和pb之间的直接转换尽量少做，因为中间丢失的信息太多，每次转换都是一次信息损耗。如果非要转，就把转换脚本和验证脚本一起维护，当成项目的一部分，而不是临时写个一次性脚本用完就扔。

最后分享一个我用了很久的小技巧：在训练脚本里加一个export_saved_model的回调，每隔几个epoch就导出一份SavedModel。这样即使训练中断，手头也永远有一份可直接部署的模型，不用事后从ckpt里费劲重建。这个习惯帮我省过好几次急活，推荐你也试试。