Чтобы повторно использовать вашу модель для TFX, замороженный график должен иметь указанную подпись обслуживания. Попытался преобразовать вашу модель в сохраненную модель , используя приведенный ниже код, который успешно создал файл savedmodel.pb
с набором тегов "serve".
import tensorflow as tf
from tensorflow.python.saved_model import signature_constants
from tensorflow.python.saved_model import tag_constants
export_dir = './saved'
graph_pb = 'frozen_inference_graph.pb'
builder = tf.saved_model.builder.SavedModelBuilder(export_dir)
with tf.gfile.GFile(graph_pb, "rb") as f:
graph_def = tf.GraphDef()
graph_def.ParseFromString(f.read())
sigs = {}
with tf.Session(graph=tf.Graph()) as sess:
# name="" is important to ensure we don't get spurious prefixing
tf.import_graph_def(graph_def, name="")
g = tf.get_default_graph()
sess.graph.get_operations()
inp = g.get_tensor_by_name("image_tensor:0")
outputs = {}
outputs["detection_boxes"] = g.get_tensor_by_name('detection_boxes:0')
outputs["detection_scores"] = g.get_tensor_by_name('detection_scores:0')
outputs["detection_classes"] = g.get_tensor_by_name('detection_classes:0')
outputs["num_detections"] = g.get_tensor_by_name('num_detections:0')
output_tensor = tf.concat([tf.expand_dims(t, 0) for t in outputs], 0)
sigs[signature_constants.DEFAULT_SERVING_SIGNATURE_DEF_KEY] = \
tf.saved_model.signature_def_utils.predict_signature_def(
{"in": inp}, {"out": out})
sigs["predict_images"] = \
tf.saved_model.signature_def_utils.predict_signature_def(
{"in": inp}, {"out": output_tensor} )
builder.add_meta_graph_and_variables(sess,
[tag_constants.SERVING],
signature_def_map=sigs)
builder.save().
Мы протестировали преобразованную модель с помощью прогнозирование образца изображения, которое вы предоставили. Результат не показывает никаких прогнозов, что, вероятно, означает, что метод преобразования не работает должным образом.
Что касается вашего вопроса:
«Существует ли какой-либо механизм, с помощью которого я могу повторно использовать модель, которая у меня есть в настоящее время, или мне придется переподготовку с использованием Keras и развертывание, как показано в справочном руководстве?»
С этим результатом это лучше просто переобучить вашу модель, используя Keras в качестве ответа на ваш вопрос, потому что преобразование или повторное использование вашей модели замороженного графа не будет решением. Ваша модель не сохраняет переменные, необходимые для обслуживания модели, а формат модели не подходит для производственной среды. И да, это лучший способ следовать официальной документации 1024 *, так как вы будете уверены, что это сработает.