pb代表protobuf。在TensorFlow中，protbuf文件包含图形定义以及模型的权重。因此，pb文件是运行给定训练模型所需的全部文件。
给定一个pb文件，可以按如下方式加载它。

def load_pb(path_to_pb):
    with tf.gfile.GFile(path_to_pb, "rb") as f:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())
    with tf.Graph().as_default() as graph:
        tf.import_graph_def(graph_def, name='')
        return graph

一旦你加载了图表，你基本上可以做任何事情。例如，您可以使用

input = graph.get_tensor_by_name('input:0')
output = graph.get_tensor_by_name('output:0')

并使用常规的TensorFlow例程，如：

sess.run(output, feed_dict={input: some_data})

说明

.pb是protocol buffer（protobuf）格式，在Tensorflow中，该格式用于保存模型。Protobufs是Google存储数据的一种通用方法，它更易于传输，因为它可以更有效地压缩数据并强制数据结构。在TensorFlow中使用时，它被称为SavedModel协议缓冲区，这是保存Keras/ Tensorflow 2.0模型时的默认格式。有关此格式的更多信息可以在这里和here找到。
例如，下面的代码（特别是m.save）将创建一个名为my_new_model的文件夹，并在其中保存saved_model.pb、assets/文件夹和variables/文件夹。

# first download a SavedModel from TFHub.dev, a website with models
m = tf.keras.Sequential([
    hub.KerasLayer("https://tfhub.dev/google/imagenet/mobilenet_v2_130_224/classification/4")
])
m.build([None, 224, 224, 3])  # Batch input shape.
m.save("my_new_model") # defaults to save as SavedModel in tensorflow 2

在某些地方，您可能还会看到.h5模型，这是TF 1.X的默认格式。source
额外信息：在TensorFlow Lite中，用于在移动的和物联网设备上运行模型的库，而不是协议缓冲区，使用flatbuffer。这是TensorFlow Lite Converter转换成的格式（.tflite）。这是另一种Google格式，也非常有效：它允许访问消息的任何部分，而不需要特殊化（不像JSON，XML）。对于内存（RAM）较少的设备，从模型文件中加载所需的内容更有意义，而不是将整个内容加载到内存中以将其存储。

在TensorFlow 2中加载SavedModels

我注意到BiBi的显示加载模型的答案很受欢迎，在TF 2中有一种更短的方法来做到这一点：

import tensorflow as tf
model_path = "/path/to/directory/inception_v1_224_quant_20181026"
model = tf.saved_model.load(model_path)

注，

• 目录（即，inception_v1_224_quant_20181026）必须有saved_model.pb或saved_model.pbtxt，否则代码将崩溃。不能指定.pb路径，请指定 * 目录 *。
• 你可能会得到TypeError: 'AutoTrackable' object is not callable为旧型号，fix here.

如果你加载一个TF 1模型，我发现我没有得到任何错误，但是加载的文件并不像预期的那样工作。（例如，它没有任何功能，如预测）

您可以使用protoc检查.pb文件的文本：
protoc --decode_raw < input.pb > output.txt