问使用image_ocr tensorflow模型在Android上使用Keras示例

EN

关于这一点，我正在编写更好的文档，但就目前而言，以下是我当前草稿的摘录，可能会有所帮助：

在大多数情况下，使用TensorFlow对模型进行培训将为您提供一个包含GraphDef文件(通常以.pb或.pbtxt扩展名结尾)和一组检查点文件的文件夹。移动部署或嵌入式部署所需要的是一个“冻结”的GraphDef文件，或者将其变量转换为内联常量，因此所有内容都在一个文件中。要处理转换，您需要freeze_graph.py脚本，该脚本保存在tensorflow/pythons/tools/freeze_graph.py中。你会这样运行：

bazel build tensorflow/tools:freeze_graph
bazel-bin/tensorflow/tools/freeze_graph \
--input_graph=/tmp/model/my_graph.pb \ --input_checkpoint=/tmp/model/model.ckpt-1000 \ --output_graph=/tmp/frozen_graph.pb \
--input_node_names=input_node \
--output_node_names=output_node \

input_graph参数应该指向保存模型体系结构的GraphDef文件。您的GraphDef可能已经以文本格式存储在磁盘上，在这种情况下，它可能以‘.pbtxt’而不是‘..pb’结尾，您应该在命令中添加一个额外的--input_binary=false标志。

input_checkpoint应该是最近保存的检查点。正如检查点部分所提到的，您需要在这里为检查点集提供公共前缀，而不是一个完整的文件名。

output_graph定义了结果被冻结的GraphDef将被保存的位置。因为它可能包含大量以文本格式占用大量空间的权重值，所以它总是保存为二进制原型。output_node_names是要从图中提取结果的节点名称的列表。这是必要的，因为冻结过程需要理解图的哪些部分是实际需要的，哪些是训练过程的工件，比如汇总操作。只保留有助于计算给定输出节点的操作操作。如果您知道如何使用您的图形，这些应该只是传递到会话的节点的名称：：Run()作为您的获取目标。如果您手头没有这些信息，可以通过运行summarize_graph工具获得一些关于可能的输出的建议。

因为随着时间的推移，TensorFlow的输出格式发生了变化，还有许多其他不太常用的标志可用，比如input_saver，但是希望您不应该在使用现代框架版本的图形上使用这些标志。