Преобразование модели Кераса в модель тензорного потока дает мне ошибку

Question

Привет. Я пытаюсь сохранить свои «сохраненные модели» (файлы h5) в виде файла tenorflow. Это код, который я использовал.

import tensorflow as tf
def tensor_function(i):
    tf.keras.backend.set_learning_phase(0)  # Ignore dropout at inference
    model = tf.keras.models.load_model('/home/ram/Downloads/AutoEncoderModels_ch2/19_hour/autoencoder_models_ram/auto_encoder_model_pos_' + str(i) + '.h5')
    export_path = '/home/ram/Desktop/tensor/' + str(i)
    #sess = tf.Session()

    # Fetch the Keras session and save the model
    # The signature definition is defined by the input and output tensors
    # And stored with the default serving key
    with tf.keras.backend.get_session() as sess:
        tf.saved_model.simple_save(
            sess,
            export_path,
            inputs={'input_image': model.input},
            outputs={t.name: t for t in model.outputs})
        sess.close()

for i in range(4954):
    tensor_function(i)

Я попытался открыть сеанс вручную с помощью sess = tf.session()(также удалено with), но напрасно

И вышеупомянутая ошибка, которую я получил, когда использовал ноутбук Jupyter и запускал то же самое в терминале Linux. Я получаю следующую ошибку

tensorflow.python.framework.errors_impl.FailedPreconditionError: Error while reading resource variable dense_73/bias from Container: localhost. This could mean that the variable was uninitialized. Not found: Container localhost does not exist. (Could not find resource: localhost/dense_73/bias)
     [[{{node dense_73/bias/Read/ReadVariableOp}} = ReadVariableOp[_class=["loc:@dense_73/bias"], dtype=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:CPU:0"](dense_73/bias)]]

И когда я пытался сохранить только один «сохраненный файл модели», он запускался успешно. Проблемы возникают только тогда, когда я пытаюсь запустить его в цикле (возможно, из-за проблем с сеансом).

Я пытался этот ответ в СО, но мало помог.

Answer 1

Для меня работают следующие две опции:

Опция 1: Добавьте tf.keras.backend.clear_session() в начале вашего tensor_function и используйте блок 'with':

def tensor_function(i):
    tf.keras.backend.clear_session()
    tf.keras.backend.set_learning_phase(0)  # Ignore dropout at inference

    model = ...

    export_path = 'so-test/' + str(i)

    with tf.keras.backend.get_session() as sess:
        tf.saved_model.simple_save(
            sess,
            export_path,
            inputs={'input_image': model.input},
            outputs={t.name: t for t in model.outputs})
        sess.close()

Вариант 2: Используйте tf.Session() вместо блока 'with', но добавьте строку sess.run(tf.global_variables_initializer()):

def tensor_function(i):
    tf.keras.backend.set_learning_phase(0)  # Ignore dropout at inference

    model = ...

    export_path = 'so-test/' + str(i)
    sess = tf.Session()
    sess.run(tf.global_variables_initializer())
    tf.saved_model.simple_save(
        sess,
        export_path,
        inputs={'input_image': model.input},
        outputs={t.name: t for t in model.outputs})
    sess.close()