如何使用 TF2 将加载的 h5 模型正确保存到 pb

Question

我加载了一个已保存的 h5 模型并想将模型保存为 pb。在训练期间使用 tf.keras.callbacks.ModelCheckpoint 回调函数保存模型。

TF 版本：2.0.0a
编辑：同样的问题也与 2.0.0-beta1

我保存pb的步骤：

我先设置K.set_learning_phase(0)
然后我用 tf.keras.models.load_model
然后，我定义freeze_session()函数。
（可选我编译模型）
然后使用 freeze_session() 函数和 tf.keras.backend.get_session

我得到的错误，有没有编译：

AttributeError: module 'tensorflow.python.keras.api._v2.keras.backend' has no attribute 'get_session'

我的问题：

TF2没有get_session了吗？（我知道 tf.contrib.saved_model.save_keras_model 不存在了，我也试过 tf.saved_model.save 但没有用）
或者 get_session 仅在我实际训练模型时才起作用，仅加载 h5 不起作用编辑：还有新训练的课程，没有 get_session 可用。
- 如果是这样，我将如何在没有训练的情况下将 h5 转换为 pb？有没有好的教程？

感谢您的帮助

更新:

自从 TF2.x 正式发布以来，graph/session 概念发生了变化。应使用 savedmodel api。您可以将 tf.compat.v1.disable_eager_execution() 与 TF2.x 一起使用，这将生成一个 pb 文件。但是，我不确定它是什么类型的 pb 文件，因为保存的模型组成从 TF1 更改为 TF2。我会继续挖掘的。

Answer 1

我也在想同样的事情，因为我正在尝试使用 get_session() 和 set_session() 来释放 GPU 内存。这些功能似乎缺失 aren't in the TF2.0 Keras documentation。我想这与 Tensorflow 切换到急切执行有关，因为不再需要直接会话访问。

Answer 2

我确实将模型从 h5 模型保存到 pb 模型：

import logging
import tensorflow as tf
from tensorflow.compat.v1 import graph_util
from tensorflow.python.keras import backend as K
from tensorflow import keras

# necessary !!!
tf.compat.v1.disable_eager_execution()

h5_path = '/path/to/model.h5'
model = keras.models.load_model(h5_path)
model.summary()
# save pb
with K.get_session() as sess:
    output_names = [out.op.name for out in model.outputs]
    input_graph_def = sess.graph.as_graph_def()
    for node in input_graph_def.node:
        node.device = ""
    graph = graph_util.remove_training_nodes(input_graph_def)
    graph_frozen = graph_util.convert_variables_to_constants(sess, graph, output_names)
    tf.io.write_graph(graph_frozen, '/path/to/pb/model.pb', as_text=False)
logging.info("save pb successfully！")

我使用 TF2 转换模型如下：

将keras.callbacks.ModelCheckpoint(save_weights_only=True)传递给model.fit并在训练时保存checkpoint；
训练后，self.model.load_weights(self.checkpoint_path)加载checkpoint；
self.model.save(h5_path, overwrite=True, include_optimizer=False)另存为h5;
像上面一样将h5转换为pb；

Answer 3

使用

from tensorflow.compat.v1.keras.backend import get_session

在 keras 2 和 tensorflow 2.2 中

然后打电话

import logging
import tensorflow as tf
from tensorflow.compat.v1 import graph_util
from tensorflow.python.keras import backend as K
from tensorflow import keras
from tensorflow.compat.v1.keras.backend import get_session

# necessary !!!
tf.compat.v1.disable_eager_execution()

h5_path = '/path/to/model.h5'
model = keras.models.load_model(h5_path)
model.summary()
# save pb
with get_session() as sess:
    output_names = [out.op.name for out in model.outputs]
    input_graph_def = sess.graph.as_graph_def()
    for node in input_graph_def.node:
        node.device = ""
    graph = graph_util.remove_training_nodes(input_graph_def)
    graph_frozen = graph_util.convert_variables_to_constants(sess, graph, output_names)
    tf.io.write_graph(graph_frozen, '/path/to/pb/model.pb', as_text=False)
logging.info("save pb successfully！")

如何使用 TF2 将加载的 h5 模型正确保存到 pb

how to properly saving loaded h5 model to pb with TF2

protocol-buffers

keras

tensorflow

keras-2

tensorflow2.0