Tensorflow 2.0保存已训练的服务模型

Question

请帮助我。我正在使用Tensorflow 2.0 GPU。 我训练模型并保存为.h5格式

model = keras.Sequential()
model.add(layers.Bidirectional(layers.CuDNNLSTM(self._window_size, return_sequences=True),
                               input_shape=(self._window_size, x_train.shape[-1])))
model.add(layers.Dropout(rate=self._dropout, seed=self._seed))
model.add(layers.Bidirectional(layers.CuDNNLSTM((self._window_size * 2), return_sequences=True)))
model.add(layers.Dropout(rate=self._dropout, seed=self._seed))
model.add(layers.Bidirectional(layers.CuDNNLSTM(self._window_size, return_sequences=False)))
model.add(layers.Dense(units=1))
model.add(layers.Activation('linear'))
model.summary()

model.compile(
    loss='mean_squared_error',
    optimizer='adam'
)
# обучаем модель
history = model.fit(
    x_train,
    y_train,
    epochs=self._epochs,
    batch_size=self._batch_size,
    shuffle=False,
    validation_split=0.1
)

model.save('rts.h5')

然后我加载此模型并将其用于预测，一切正常。

model = keras.models.load_model('rts.h5')
y_hat = model.predict(x_test)

但是出现了在Tensorflow Serving中使用经过训练的模型的问题。并且不接受.h5格式的模型。 我跑：

sudo docker run --gpus 1 -p 8501:8501 --mount type=bind,source=/home/alex/PycharmProjects/TensorflowServingTestData/RtsModel,target=/models/rts_model -e MODEL_NAME=rts_model -t tensorflow/serving:latest-gpu

但是出现了在Tensorflow Serving中使用经过训练的模型的问题。并且不接受.h5格式的模型。 我跑： 而我得到了错误：

tensorflow_serving/sources/storage_path/file_system_storage_path_source.cc:267] No versions of servable rts_model found under base path /models/rts_model

我尝试按照此处https://www.tensorflow.org/guide/saved_model#using_savedmodel_with_estimators的描述保存经过训练的模型：

我得到了错误：

ValueError: Layer has 2 states but was passed 0 initial states.

我尝试如下保存模型，https://www.tensorflow.org/api_docs/python/tf/keras/models/save_model：

并且有相同的错误：

ValueError: Layer has 2 states but was passed 0 initial states.

将模型保存为Tensorflow Serving格式的唯一方法是：

keras.experimental.export_saved_model(model, 'saved_model/1/')

“服务”中保存的模型工作。但我收到警告，该方法已过时，将在以后的版本中删除。

Instructions for updating:
Please use `model.save(..., save_format="tf")` or `tf.keras.models.save_model(..., save_format="tf")`.

它关闭了我。 当我尝试使用这些方法时，会出现错误。 当我使用有效的方法时，写道它已被弃用。

请帮忙。 如何在Tensorflow 2.0中保存经过训练的模型以便可以用于Tensorflow服务。

Answer 1

我也在尝试解决此问题！

根据答案here，正常的LSTM（即tf.keras.layers.LSTM）将使用GPU，并且通常应在cuDNNLSTM类上使用，除非您特别需要原始实现（不确定为什么会这样做）。 ）。

根据docs，如果满足某些要求（参见下文），则普通LSTM将使用cuDNN实现。

使用此LSTM层时，仅使用model.save_model('output_path', save_format='tf')

就可以成功保存为tf输出类型。

使用cuDNN进行LSTM的要求如下（请注意，所有要求均符合默认设置）：

如果有GPU可用，并且该层的所有参数都满足CuDNN内核的要求（有关详细信息，请参见下文），则该层将使用快速cuDNN实现。

使用cuDNN实现的要求是：

1. activation == tanh
2. recurrent_activation == sigmoid
3. recurrent_dropout == 0
4. 解开是错误的
5. use_bias为True 输入不会被屏蔽或严格右填充。