摘要

Question

摘要

我的问题由以下人组成：

介绍项目，工作环境和工作流程的环境
详细问题
我代码的相关部分
我试图解决问题的解决方案
问题提醒

上下文

我已经编写了原始Super-Resolution GAN降级版本的Python Keras实现。现在，我想通过将其托管在Google服务器中，使用Google Firebase机器学习套件对其进行测试。因此，我必须将Keras程序转换为TensorFlow Lite。

环境和工作流程（有问题）

我正在Google Colab工作环境上训练我的程序：在那里，我已经安装了TF 2.0.0-beta1（此选择是由这个不正确的答案引起的：https://datascience.stackexchange.com/a/57408/78409）。

工作流程（和问题）：

我在本地编写我的Python Keras程序，请记住它将在TF 2上运行。因此，我使用TF 2导入，例如：from tensorflow.keras.optimizers import Adam以及from tensorflow.keras.layers import Conv2D, BatchNormalization
我将代码发送到云端硬盘
我运行Google Colab Notebook毫无问题：使用了TF 2。
我在云端硬盘中获取了输出模型，然后下载了它。
我尝试通过执行以下CLI将此模型转换为TFLite格式：tflite_convert --output_file=srgan.tflite --keras_model_file=srgan.h5：此处出现问题。

问题

以前的CLI不会从TF（Keras）模型输出TF Lite转换模型，而是输出此错误：

ValueError：未知丢失函数：build_vgg19_loss_network

函数build_vgg19_loss_network是我已经实现的自定义丢失函数，必须由GAN使用。

引起此问题的代码部分

呈现自定义损失函数

自定义损失功能的实现方式如下：

def build_vgg19_loss_network(ground_truth_image, predicted_image):
    loss_model = Vgg19Loss.define_loss_model(high_resolution_shape)
    return mean(square(loss_model(ground_truth_image) - loss_model(predicted_image)))

使用我的自定义损失函数编译发电机网络

generator_model.compile(optimizer=the_optimizer, loss=build_vgg19_loss_network)

我为解决问题所做的尝试

当我在StackOverflow（此问题开头的链接）上阅读该文件时，认为TF 2足以输出Keras模型，该模型将由我的tflite_convert CLI正确处理。但这显然不是。
在GitHub上阅读时，我尝试通过添加以下行来手动设置Keras损失函数中的自定义损失函数：import tensorflow.keras.losses tensorflow.keras.losses.build_vgg19_loss_network = build_vgg19_loss_network。没用。
我在GitHub上阅读过，我可以将自定义对象与load_model Keras函数一起使用：但是我只想使用compile Keras函数。不是load_model。

我的最后一个问题

我只想对我的代码做些小改动，因为它可以正常工作。因此，例如，我不想将compile替换为load_model。有了这个限制，您能帮我让CLI tflite_convert与我的自定义损失功能一起工作吗？

Answer 1

由于您声称TFLite转换由于自定义损失函数而失败，因此可以保存模型文件而无需保留优化器详细信息。为此，将include_optimizer参数设置为False，如下所示：

model.save('model.h5', include_optimizer=False)

现在，如果模型中的所有层都是可转换的，则应将它们转换为TFLite文件。

编辑：然后，您可以像这样转换h5文件：

import tensorflow as tf

model = tf.keras.models.load_model('model.h5')   # srgan.h5 for you
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)

在documented here中，通常的做法是克服TFLite转换中不受支持的运算符。

Answer 2

我有同样的错误。我建议将损失更改为“mse”，因为您已经拥有一个训练有素的模型，并且您不需要使用 .tflite 文件进行训练。

在{TF 2.0.0-beta1上使用tflite_convert时，“未知（自定义）损失函数”； Keras}模型

摘要

上下文