时间戳

首页 > 解决方案 > 无法将具有自定义图层的 keras 模型保存到 tf lite 文件

python - 无法将具有自定义图层的 keras 模型保存到 tf lite 文件

问题描述

我想将 Mask-RCNN 移植到 tensorflow lite 以便能够在我的 android 设备上使用它。Tensorflow lite 有一些教程展示了如何执行此操作，但是当您的模型具有扩展 keras 层类的层时，它们的说明会失败。特别是，这是我得到的错误：

/usr/local/lib/python3.5/dist-packages/tensorflow/python/keras/layers/serialization.py in deserialize(config, custom_objects)
     87       module_objects=globs,
     88       custom_objects=custom_objects,
---> 89       printable_module_name='layer')

/usr/local/lib/python3.5/dist-packages/tensorflow/python/keras/utils/generic_utils.py in deserialize_keras_object(identifier, module_objects, custom_objects, printable_module_name)
    179     config = identifier
    180     (cls, cls_config) = class_and_config_for_serialized_keras_object(
--> 181         config, module_objects, custom_objects, printable_module_name)
    182 
    183     if hasattr(cls, 'from_config'):

/usr/local/lib/python3.5/dist-packages/tensorflow/python/keras/utils/generic_utils.py in class_and_config_for_serialized_keras_object(config, module_objects, custom_objects, printable_module_name)
    164     cls = module_objects.get(class_name)
    165     if cls is None:
--> 166       raise ValueError('Unknown ' + printable_module_name + ': ' + class_name)
    167   return (cls, config['config'])
    168 

ValueError: Unknown layer: ProposalLayer

我用来导入 keras 模型的代码是：

converter = tf.lite.TFLiteConverter.from_keras_model_file('mrcnn.h5')

你知道如何解决这个问题吗？

标签： pythontensorflowkerastensorflow-lite

解决方案

Keras-h5 保存只知道标准层。

这里有三种可能的修复方法：

1) from_keras_model方法有一个名为custom_objects. 如果您的类正确实现了 get_config，并且您将其传递给您的类：custom_objects={"ProposalLayer":my_layers.ProposalLayer}它可能会起作用。

就像这里需要重新加载模型一样

2) 另一种选择是使用功能 api定义模型，keras 保存和加载更好地支持它。

3) 如果你可以使用不同的文件格式：试试这个save_format="tf"参数。TensorFlow-SavedModel 可能没有这个问题，因为它保存了较低级别的表示。

推荐阅读