Question

嗨，我正在使用相关权重进行图像分类任务。我正在使用Tensorflow 1.14.0版，正在使用来自以下source的mobilenetv1_050_224来完成此任务。

myTextInput.setNativeProps({ text: 'XXXX' })

我训练了这个模型，并且能够使用转移学习在我的数据集上获得良好的训练/验证准确性。以下是学习代码部分。

IMAGE_SHAPE = (400, 400)
n_classes = 10
classifier_url = 'https://tfhub.dev/google/imagenet/mobilenet_v1_050_224/classification/3'
base_model = hub.Module(classifier_url, tags=['train'])
base_model.trainable = False
classifier = tf.keras.Sequential([
    hub.KerasLayer(base_model, input_shape=IMAGE_SHAPE+(3,)),
    keras.layers.Dense(n_classes, activation='softmax')
])
#print (base_model.summary())
print (classifier.summary())

但是，当我尝试保存模型时：

train_datagen = keras.preprocessing.image.ImageDataGenerator(
                rescale=1./255)

validation_datagen = keras.preprocessing.image.ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow(
    x = train_dataset,
    y = train_labels,
    batch_size=batch_size,
    seed=1)

validation_generator = validation_datagen.flow(
    x = validation_dataset, # Source directory for the validation images
    y = valid_labels,
    batch_size=batch_size,
    seed=1)

classifier.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.01, beta_1=0.9, beta_2=0.999),
              loss='categorical_crossentropy',
              metrics=['accuracy'])
epochs = 2
steps_per_epoch = train_generator.n // batch_size
validation_steps = validation_generator.n // batch_size

model = classifier.fit_generator(train_generator,
                                 steps_per_epoch = steps_per_epoch,
                                 epochs=epochs,
                                 workers=4,
                                 validation_data=validation_generator,
                                 validation_steps=validation_steps)

我遇到以下错误：

NotImplementedError：只能针对以下内容生成有效的配置   export_path = '/tmp/simple_keras_model.h5' classifier.save(export_path, save_format='h5')使用字符串hub.KerasLayer(handle, ...)。

有handle：

我被卡住了，无法绕开它。在这方面的任何线索都将有所帮助。谢谢。

Answer 1

您可以通过以下方式保存classifier：

# save the underlying  tensorflow graph
model_file = classifier.to_json()
with open("model.json", "w") as source:
    source.write(model_file)
# save model parameter 
classifier.save_weights("model_weights.h5")

然后可以通过

加载保存的模型

from keras.models import model_from_json

with open("model.json", "r") as f:
    classifier = model_from_json(f.read())
classifier.load_weights("model_weights.h5")

Answer 2

怎么样？

# Export the model to a SavedModel
keras.experimental.export_saved_model(classifier, '/tmp/simple_keras_model.h5')

# Recreate the exact same model
new_model = keras.experimental.load_from_saved_model('/tmp/simple_keras_model.h5')

Source

Answer 3

如link中所述，仅TF2兼容的Hub模块可与hub.Keras一起使用。

但是可以使用SavedModel保存它。有关如何使用SavedModel API的信息，请参考此link

如何在Tensorflow中保存模型？

3 个答案: