图像语义分割采用DeeplabV3+进行单张图片预测

在完成DeeplabV3+模型的训练过程后，系统生成了.ckpt文件。接下来的目标是借助该模型实现对实际场景的预测任务，通常采用的方式是将其转换为**.pb**格式文件。采取这一措施的优势主要体现在两个方面：其一，能够将模型中的变量转化为常量，从而有效缩减模型体积；其二，有利于跨语言调用，因为.pb文件格式可被C/C++、Java、NodeJS等多种编程语言直接读取和使用。

运行 export_model.py 生成模型

通过调用官方提供的代码文件export_model.py，可生成名为frozen_inference_graph.pb的模型文件，并基于该文件执行预测任务。在此过程中需特别注意，必须明确模型的输入与输出接口，而这些信息可通过查阅相关代码实现获取。

 python export_model.py \

    
   --checkpoint_path="./checkpoint_1/model.ckpt-518495" \  # 训练得到的ckpt文件
    
   --export_path="./output_model/frozen_inference_graph.pb" \  # 需要导出的模型名称
    
   --model_variant="xception_65" \
    
   --atrous_rates=6 \