Керас от h5 до Tensorflow обслуживает в 2019 году?

Question

Я пытался следовать этому руководству о том, как конвертировать Keras H5 Model zu ProtoBuff и обслуживать его с помощью Tensorflow Serve: https://towardsdatascience.com/deploying-keras-models-using-tensorflow-serving-and-flask-508ba00f1037

Этот учебник среди многих других ресурсов в Интернете использует "tf.saved_model".simple_save ", который устарел и удален (март 2019 г.).Преобразование h5 в pb с использованием freeze_session, как показано здесь: Как экспортировать Keras .h5 в tenorflow .pb?

Кажется, пропущен тег "serve", поскольку выводы tensorflow_model_server:

Loading servable: {name: ImageClassifier version: 1} failed: Not found: Could not find meta graph def matching supplied tags: { serve }. To inspect available tag-sets in the SavedModel, please use the SavedModel CLI: saved_model_cli

проверил это с сохраненным_моделем_cli, тегов нет.

Как сегодня можно сделать модель h5 пригодной для использования в tenorflow_server?

Answer 1

ПРИМЕЧАНИЕ : это относится к TF 2.0 +

Я предполагаю, что ваша модель Keras установлена ​​в model.h5.Во-первых, просто загрузите модель с реализацией Keras в tenorflow:

from tensorflow import keras
model = keras.models.load_model('model.h5')

Затем просто экспортируйте SavedModel

keras.experimental.export_saved_model(model, 'path_to_saved_model')

Наконец, примените любое преобразование, из которого вы обычно обращаетесь, из SavedModelк .pb файлу вывода (например: замораживание, оптимизация для вывода и т. д.)

Более подробную информацию и полный пример можно найти в официальном руководстве TF по сохранению и сериализации моделей в TF 2.0 * 1017.*