从 python API 而不是 saved_model_cli 中提取（或设置）input/output TF 张量名称信息

Question

我用 Keras/TF2.5 训练了一个简单的模型并将其保存为已保存的模型。

tf.saved_model.save(my_model,'/path/to/model')

如果我通过

检查它

saved_model_cli show --dir /path/to/model --tag_set serve --signature_def serving_default

我得到这些 outputs/names:

inputs['conv2d_input'] tensor_info:
  dtype: DT_FLOAT
  shape: (-1, 32, 32, 1)
  name: serving_default_conv2d_input:0
outputs['dense'] tensor_info:
  dtype: DT_FLOAT
  shape: (-1, 2)
  name: StatefulPartitionedCall:0

名字serving_default_conv2d_input和StatefulPartitionedCall其实可以用来推理

我想使用 python API 提取它们。如果我通过加载模型来查询它：

>>> m=tf.saved_model.load('/path/to/model')
>>> m.signatures['serving_default'].inputs[0].name
'conv2d_input:0'
>>> m.signatures['serving_default'].outputs[0].name
'Identity:0'

我得到完全不同的名字。

问题：

如何从 python API 中提取这些名称 serving_default_conv2d_input 和 StatefulPartitionedCall？
或者，我如何在调用 tf.saved_model.save 时 define/fix 名称？
:0 是什么意思？

附带问题：

如何通过 SavedModel 将 TF 模型部署到生产环境？

Answer 1

saved_model_cli显示的input/output张量名可以提取如下：

from tensorflow.python.tools import saved_model_utils

saved_model_dir = '/path/to/model'
tag_set = 'serve'
signature_def_key = 'serving_default'

# 1. Load MetaGraphDef with saved_model_utils
meta_graph_def = saved_model_utils.get_meta_graph_def(saved_model_dir, tag_set)

# 2. Get input signature names
input_signatures = list(meta_graph_def.signature_def[signature_def_key].inputs.values())
input_names = [signature.name for signature in input_signatures]
print(input_names)  # ['serving_default_conv2d_input:0']

# 3. Get output signature names
output_signatures = list(meta_graph_def.signature_def[signature_def_key].outputs.values())
output_names = [signature.name for signature in output_signatures]
print(output_names)  # ['StatefulPartitionedCall:0']

关于:0的含义，op_name:0表示“作为称为op_name的操作的第0个输出的张量”。因此，您可能会使用 …:1 来获取具有多个输出的操作的输出，但许多操作都是单输出，因此您将始终对它们使用 …:0（来源：）。

从 python API 而不是 saved_model_cli 中提取（或设置）input/output TF 张量名称信息

Extract (or Set) input/output TF tensor names information from python API instead of saved_model_cli

python

tensorflow

tf.keras

inference