我想使用此TF Hub资产: https://tfhub.dev/google/imagenet/resnet_v1_50/feature_vector/3
版本:
Version: 1.15.0-dev20190726
Eager mode: False
Hub version: 0.5.0
GPU is available
代码
feature_extractor_url = "https://tfhub.dev/google/imagenet/resnet_v1_50/feature_vector/3"
feature_extractor_layer = hub.KerasLayer(module,
input_shape=(HEIGHT, WIDTH, CHANNELS))
我得到:
ValueError: Importing a SavedModel with tf.saved_model.load requires a 'tags=' argument if there is more than one MetaGraph. Got 'tags=None', but there are 2 MetaGraphs in the SavedModel with tag sets [[], ['train']]. Pass a 'tags=' argument to load this SavedModel.
我尝试过:
module = hub.Module("https://tfhub.dev/google/imagenet/resnet_v1_50/feature_vector/3",
tags={"train"})
feature_extractor_layer = hub.KerasLayer(module,
input_shape=(HEIGHT, WIDTH, CHANNELS))
但是当我尝试保存模型时,我得到了:
tf.keras.experimental.export_saved_model(model, tf_model_path)
# model.save(h5_model_path) # Same error
NotImplementedError: Can only generate a valid config for `hub.KerasLayer(handle, ...)`that uses a string `handle`.
Got `type(handle)`: <class 'tensorflow_hub.module.Module'>
教程here
答案 0 :(得分:1)
已经有一段时间了,但假设您已迁移到 TF2,这可以使用最新的模型版本轻松完成,如下所示:
import tensorflow as tf
import tensorflow_hub as hub
num_classes=10 # For example
m = tf.keras.Sequential([
hub.KerasLayer("https://tfhub.dev/google/imagenet/resnet_v1_50/feature_vector/5", trainable=True)
tf.keras.layers.Dense(num_classes, activation='softmax')
])
m.build([None, 224, 224, 3]) # Batch input shape.
# train as needed
m.save("/some/output/path")
如果这对您不起作用,请更新此问题。我相信您的问题是由 hub.Module
与 hub.KerasLayer
混合引起的。您使用的模型版本是 TF1 Hub 格式,因此在 TF1 中它只能与 hub.Module
一起使用,不能与 hub.KerasLayer
混合使用。在 TF2 中,hub.KerasLayer
可以直接从其 URL 加载 TF1 Hub 格式的模型以组合成更大的模型,但无法对其进行微调。
请参阅this compatibility guide了解更多信息
答案 1 :(得分:-1)
您应该使用tf.keras.models.save_model(model,'NeuralNetworkModel')
您将把保存的模型保存在一个文件夹中,以后可以在顺序工作中使用