Сохранение модели TF2 keras с пользовательскими настройками сигнатур

Question

У меня есть модель Keras (последовательная), которую можно сохранить с пользовательскими настройками сигнатур в Tensorflow 1.13 следующим образом:

from tensorflow.saved_model.utils import build_tensor_info
from tensorflow.saved_model.signature_def_utils import predict_signature_def, build_signature_def

model = Sequential() // with some layers

builder = tf.saved_model.builder.SavedModelBuilder(export_path)

score_signature = predict_signature_def(
    inputs={'waveform': model.input},
    outputs={'scores': model.output})

metadata = build_signature_def(
    outputs={'other_variable': build_tensor_info(tf.constant(1234, dtype=tf.int64))})

with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  builder.add_meta_graph_and_variables(
      sess=sess,
      tags=[tf.saved_model.tag_constants.SERVING],
      signature_def_map={'score': score_signature, 'metadata': metadata})
  builder.save()

Перенос модели на TF2 keras был классным :), но я не могувыяснить, как сохранить модель с такой же подписью, как указано выше.Должен ли я использовать новый tf.saved_model.save() или tf.keras.experimental.export_saved_model()?Как указанный код должен быть написан на TF2?

Основные требования:

• Модель имеет подпись оценки и подпись метаданных
• Подпись метаданных содержит 1 илибольше констант

Answer 1

Решение состоит в том, чтобы создать tf.Module с функциями для каждого определения подписи:

class MyModule(tf.Module):
  def __init__(self, model, other_variable):
    self.model = model
    self._other_variable = other_variable

  @tf.function(input_signature=[tf.TensorSpec(shape=(None, None, 1), dtype=tf.float32)])
  def score(self, waveform):
    result = self.model(waveform)
    return { "scores": results }

  @tf.function(input_signature=[])
  def metadata(self):
    return { "other_variable": self._other_variable }

, а затем сохранить модуль (не модель):

module = MyModule(model, 1234)
tf.saved_model.save(module, export_path, signatures={ "score": module.score, "metadata": module.metadata })

Протестировано сМодель Keras на TF2.