python - Coremltools 使用 Keras 将 Tensorflow 模型转换为 Core ML 的问题

Question

我正在训练一个小模型，然后尝试使用将其导出到核心 ml

coreml_model = coremltools.converters.keras.convert(model)

但我收到一个错误：

AttributeError：模块“keras.engine”没有属性“拓扑”

经过一番谷歌搜索后，有人建议不推荐使用拓扑或其他东西，并建议topology用saving. 我可能做错了，但我打开了

~/.virtualenvs/tensorflow/lib/python3.6/site-packages/coremltools/converters/keras/_keras_converter.py

在_KERAS_LAYER_REGISTRY我尝试改变

_keras.engine.topology.InputLayer:_layers2.default_skip,

至

_keras.engine.saving.InputLayer:_layers2.default_skip,

这给了我一个稍微不同的错误：

AttributeError：模块“keras.engine.saving”没有属性“InputLayer”

在这里，我感觉自己就像一条离开水的鱼，因为我以前从未使用过 Tensorflow 或核心 ML。所以对我温柔点。这是一些代码：

batch_size = 20
epochs = 10
test_size = 500
input_dim = 30

# Model Architecture
model = Sequential()

# Convolutional Layer
model.add(Conv1D(filters=10, kernel_size=5, input_shape=(input_dim, 1)))
model.add(Flatten())

# Dense Layer
model.add(Dense(input_dim, activation='relu'))

# Logits Layer
model.add(Dense(2, activation='softmax'))

rmsprop = optimizers.RMSprop(lr=0.001, rho=0.9, epsilon=1e-08, decay=0.0)
sgd = optimizers.SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(optimizer=rmsprop,
    loss='binary_crossentropy',
    metrics=['accuracy'],
)

model.fit(x=x_train, y=y_train, batch_size=batch_size, epochs=epochs)

accuracy = model.evaluate(x=x_test, y=y_test, batch_size=batch_size)

print("Overall accuracy: {}".format(accuracy[1]))

coreml_model = coremltools.converters.keras.convert(model)
coreml_model.save('my_model.mlmodel')

标签： pythontensorflowkerascoremlcoremltools