时间戳

首页 > 解决方案 > 在 {TF 2.0.0-beta1 上使用 tflite_convert 时出现“未知（自定义）损失函数”；Keras} 模型

tensorflow - 在 {TF 2.0.0-beta1 上使用 tflite_convert 时出现“未知（自定义）损失函数”；Keras} 模型

问题描述

概括

我的问题由以下组成：

语境

我已经编写了原始超分辨率 GAN 的降级版本的 Python Keras 实现。现在我想使用 Google Firebase 机器学习工具包对其进行测试，方法是将其托管在 Google 服务器中。这就是为什么我必须将我的 Keras 程序转换为 TensorFlow Lite 的原因。

环境和工作流程（有问题）

我正在 Google Colab 工作环境中训练我的程序：在那里，我已经安装了TF 2.0.0-beta1（这个选择是由这个不正确的答案引起的：https ://datascience.stackexchange.com/a/57408/78409 ）。

工作流程（和问题）：

  1. 我在本地编写我的 Python Keras 程序，记住它将在 TF 2 上运行。所以我使用 TF 2 导入，例如from tensorflow.keras.optimizers import Adam：from tensorflow.keras.layers import Conv2D, BatchNormalization

  2. 我将代码发送到我的云端硬盘

  3. 我运行我的 Google Colab Notebook: TF 2 没有任何问题。

  4. 我在我的驱动器中获得了输出模型，然后下载了它。

  5. 我尝试通过执行以下 CLI 将此模型转换为 TFLite 格式tflite_convert --output_file=srgan.tflite --keras_model_file=srgan.h5：：这里出现了问题。

问题

之前的 CLI 没有从 TF (Keras) 模型输出 TF Lite 转换后的模型，而是输出此错误：

ValueError：未知损失函数：build_vgg19_loss_network

该函数build_vgg19_loss_network是我实现的自定义损失函数，GAN 必须使用它。

引发此问题的部分代码

呈现自定义损失函数

自定义损失函数是这样实现的：

def build_vgg19_loss_network(ground_truth_image, predicted_image):
    loss_model = Vgg19Loss.define_loss_model(high_resolution_shape)
    return mean(square(loss_model(ground_truth_image) - loss_model(predicted_image)))

使用我的自定义损失函数编译生成器网络

generator_model.compile(optimizer=the_optimizer, loss=build_vgg19_loss_network)

我为解决问题而尝试做的事情

  1. 当我在 StackOverflow（本问题开头的链接）上阅读它时，TF 2 被认为足以输出一个可以由我的tflite_convertCLI 正确处理的 Keras 模型。但显然不是。

  2. 当我在 GitHub 上阅读它时，我尝试通过添加以下行在 Keras 的损失函数中手动设置我的自定义损失函数import tensorflow.keras.losses tensorflow.keras.losses.build_vgg19_loss_network = build_vgg19_loss_network：它没有用。

  3. 我在 GitHub 上读到我可以使用带有load_modelKeras 函数的自定义对象：但我只想使用compileKeras 函数。不是load_model。

我的最后一个问题

我只想对我的代码做一些小的改动，因为它工作正常。因此，例如，我不想替换compile为load_model. 有了这个约束，你能帮我让我的 CLItflite_convert与我的自定义损失函数一起工作吗？

标签： tensorflowmachine-learningkerasdeep-learning

解决方案

由于您声称 TFLite 转换由于自定义损失函数而失败，因此您可以保存模型文件而不保留优化器详细信息。为此，请将include_optimizer参数设置为 False，如下所示：

model.save('model.h5', include_optimizer=False)

现在，如果模型中的所有层都是可转换的，它们应该被转换为 TFLite 文件。

编辑：然后您可以像这样转换 h5 文件：

import tensorflow as tf

model = tf.keras.models.load_model('model.h5')   # srgan.h5 for you
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)

此处记录了克服 TFLite 转换中不受支持的运算符的常规做法。

推荐阅读