Context ：
我有一个基于tf.estimator.DNNClassifier的简单分类器，它在意图标签上获取文本和输出概率 . 我能够训练将模型导出为可服务的，并使用tensorflow serving服务于服务 . 问题是这个可服务性太大（大约1GB），所以我想尝试一些tensorflow graph transforms来尝试减少所服务文件的大小 .
Problem ：
我理解如何使用 saved_model.pb 并使用freeze_model.py创建一个可用于调用变换的新 .pb 文件 . 这些变换的结果（也是一个 .pb 文件）不是可服务的，不能与tensorflow服务一起使用 .
开发者如何来自：
saved model -> graph transforms -> back to a servable
有documentation表明这肯定是可能的，但从文档到如何做到这一点根本不直观 .
What I've Tried ：
import tensorflow as tf
from tensorflow.saved_model import simple_save
from tensorflow.saved_model import signature_constants
from tensorflow.saved_model import tag_constants
from tensorflow.tools.graph_transforms import TransformGraph
with tf.Session(graph=tf.Graph()) as sess_meta:
meta_graph_def = tf.saved_model.loader.load(
sess_meta,
[tag_constants.SERVING],
"/model/path")
graph_def = meta_graph_def.graph_def
other_graph_def = TransformGraph(
graph_def,
["Placeholder"],
["dnn/head/predictions/probabilities"],
["quantize_weights"])
with tf.Graph().as_default():
graph = tf.get_default_graph()
tf.import_graph_def(other_graph_def)
in_tensor = graph.get_tensor_by_name(
"import/Placeholder:0")
out_tensor = graph.get_tensor_by_name(
"import/dnn/head/predictions/probabilities:0")
inputs = {"inputs": in_tensor}
outputs = {"outputs": out_tensor}
simple_save(sess_meta, "./new", inputs, outputs)
我的想法是加载servable，从meta_graph_def中提取graph_def，转换graph_def，然后尝试重新创建servable . 这似乎是不正确的方法 .
有没有办法从导出的servable成功执行图形转换（减少推理时的文件大小），然后用转换后的图形重新创建一个servable？
谢谢 .
Update (2018-08-28) ：
找到contrib.meta_graph_transform()看起来很有前途 .
Update (2018-12-03) ：
一个相关的github issue我打开了一个似乎在一个详细的博客文章中解决，该帖子列在故障单的末尾 .