使用以下代码，加载图模型的时候会报错

#保存图模型
    tf.train.write_graph(sess.graph_def, graph_dir, 'graph.pbtxt',as_text=True)
    #加载图模型
    with tf.gfile.FastGFile("modle_graph/graph.pbtxt","rb") as f:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())
graph_def.ParseFromString(f.read())
 google.protobuf.message.DecodeError: Error parsing message
 
tf.train.write_graph(sess.graph_def, graph_dir, 'graph.pbtxt',as_text=False)
                    使用以下代码，加载图模型的时候会报错#保存图模型    tf.train.write_graph(sess.graph_def, graph_dir, 'graph.pbtxt',as_text=True)    #加载图模型    with tf.gfile.FastGFile("modle_graph/graph.pbtxt","rb") as f:        graph_def...
python run.py --model=cmu --resize=656x368 --image=./images/p1.jpg
遇到如上问题，在网上没有找到解决方案，仔细分析原因：在下载模型时发现下载的模型不全只有几百KB大小;通过如下命令很难把模型完整下载下来。
$ cd models/graph/cmu
$ bash download.sh
模型下载链接：链接: .
				
Traceback (most recent call last):
  File "/home/user1/miniconda3/envs/hardsample/lib/python2.7/threading.py", line 801, in __bootstrap_inner
    self.run()
  File "/home/user1/miniconda3/envs/hardsample/lib/python2.7/threading.py", line 754, in run
				
@使用jupyter notebook运行object_detection_tutorial.ipynb，运用的自己训练的pb出现错误。
detection_graph = tf.Graph()
with detection_graph.as_default():
  od_graph_def = tf.GraphDef()
  with tf.gfile.GFile(PATH_TO_FROZEN...
Traceback (most recent call last):
  ......
  File "google/protobuf/message.py", line 199, in ParseFromString
  File "google/protobuf/internal/python_message.py", line 1145, in MergeFromString
				
先安装CUDA8以及cuDNN5.1，安装方法与环境配置在CSDN百度，资料很多
问题1：pip安装tensor flow时：
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl
sudo pip inst
保存（saver）对象
可以使用 Saver 对象处理不同会话（session）中任何与文件系统有持续数据传输的交互。构造函数（constructor）允许你控制以下 3 个事物：
目标（target）：在分布式架构的情况下用于处理计算。可以指定要计算的 TF 服务器或「目标」。
图（grap
从OpenCV 3.3开始，dnn模块加入到主仓库中，目前支持Caffe、TensorFlow、Torch、PyTorch等深度学习框架。
protobuf
Google Protocol Buffers，是google开发的的一套用于数据存储，网络通信时用于协议编解码的工具库。protobuf是一种灵活高效的独立于语言平台的结构化数据表示方法，类似json/xml。
TensoFlow模型
1. 模型文件
	a. 二进制的protobuf格式描述文件：.pb
	b. protobuf格式文本文
from tensorflow.python.platform import gfile
#函数功能能,将pb模型转换为pbtxt,转换好后存储到当前目录下,模型名字是protobuf.pbtxt
def convert_pb_to_pbtxt(filename):
    with gfile.FastGFil...
				
`com.google.protobuf:protobuf-java` 是 Google Protocol Buffers 的 Java 实现库，它的作用是提供了 Protocol Buffers 的编解码功能，用于在不同的系统之间高效地进行数据序列化和反序列化。
Protocol Buffers（简称 Protobuf）是一种轻量级、高效的数据交换格式，它可以将结构化数据序列化为二进制格式，并支持跨不同语言和平台的数据交换。通过使用 Protobuf，开发者可以定义数据结构的消息类型，并生成相应的代码，用于在不同系统之间传输和存储数据。
`com.google.protobuf:protobuf-java` 提供了 Protobuf 在 Java 中的实现，包含了 Protobuf 的编解码器、消息定义语言、工具等。
具体来说，`com.google.protobuf:protobuf-java` 的作用如下：
1. 数据序列化和反序列化：`protobuf-java` 提供了 Protobuf 的编解码功能，可以将 Protobuf 消息对象序列化为二进制数据，或将二进制数据反序列化为 Protobuf 消息对象。这样可以在不同的系统之间高效地传输和存储结构化数据。
2. 消息定义语言：`protobuf-java` 包含了 Protobuf 的消息定义语言（Protocol Buffers IDL），开发者可以使用该语言定义消息的结构和字段，并通过编译器生成相应的 Java 代码。
3. 工具支持：`protobuf-java` 提供了一些工具，如编译器（protoc）和插件，用于生成和处理 Protobuf 相关的代码和文件。
总之，`com.google.protobuf:protobuf-java` 是 Google Protocol Buffers 的 Java 实现库，提供了 Protobuf 的编解码功能、消息定义语言和工具支持。通过使用 Protobuf，开发者可以方便地序列化和反序列化结构化数据，并实现不同系统之间的高效数据交换。
                常见的神经网络模型 AlexNet,VGGNet,GoogleNet,resNet,inceptionV3,Inception-v4,xception等论文下载链接
                    Supident: 
                    非常感谢，超级感谢，省了太多时间了。