时间戳

首页 > 解决方案 > 保存没有自定义对象的完整 tf.keras 模型？

python - 保存没有自定义对象的完整 tf.keras 模型？

问题描述

假设我们有一些模型，包括在训练期间很重要的自定义损失和指标。是否可以保存完整的模型，所以 weights + graphdef / pb-file，没有自定义对象？

在推理过程中，不需要自定义损失和指标，因此......

tf.keras.models.load_model("some_model", custom_objects={...})

...只会使推理代码更加复杂，因为需要包含自定义目标代码以进行推理（尽管未使用它）。

但是，tf.keras.callbacks.ModelCheckpoint（即使使用include_optimizer=False）以及调用model.save()总是保存模型定义，包括自定义对象。

因此，只需加载模型...

tf.keras.models.load_model("some_model")

...总是会失败并抱怨缺少自定义对象。

是否可以在没有自定义损失/指标的情况下以某种方式保存整个模型？要获得易于加载的网络“推理”版本？

或者是将所有内容冻结为 TFLite 模型的唯一解决方案？

当然，也可以简单地使用model.save_weights()，但随后需要包含实际代码以供稍后推断，这是不希望的。

标签： pythontensorflowkerassaverestore

解决方案

如果目的是防止加载损失和指标，您可以使用以下compile参数load_model：

model = tf.keras.models.load_model("some_model", compile=False)

这应该跳过损失和指标/优化器的要求，因为模型没有被编译。当然你现在不能训练模型，但它应该可以很好地使用推理model.predict()

推荐阅读