如何将自定义张量流模型部署到 Web？

Question

所以我面临部署我的自定义手语识别模型的问题。我将带有 exporter_main_v2.py 的 my_ssd_mobnet 转换为 saved_model.pb，然后我尝试使用带有此代码的 tensorflowjs 转换器：

from tensorflow import keras
import tensorflowjs as tfjs

def importModel(modelPath):
    model = tf.keras.models.load_model(modelPath)
    tfjs.converters.save_tf_model(model, "tfjsmodel")

importModel("saved_model")
#importModel("modelDirectory")

然后我收到这样的错误.. ValueError：无法从此 SavedModel 创建 Keras 模型。此 SavedModel 是使用 tf.saved_model.save 创建的，缺少 Keras 元数据。请调用 model.save或 tf.keras.models.save_model 保存您的 Keras 模型。

最后我决定将我的模型转换为 h5，但是.. 我不知道如何。 如何将 my_ssd_mobnet 模型转换为 h5？ 谢谢！

Answer 1

首先，如果您使用“exporter_main_v2.py”脚本导出模型，您将只能获得 tensorflow 模型中的模型格式。这种导出方式主要用于对训练好的模型进行推理。因此，您的代码中的主要问题是您正在尝试使用该 tf.keras.models.load_model() 函数导入“keras 模型”。您必须使用 tf.keras.models.save_model() 函数来导出/保存模型，而不是使用“exporter_main_v2.py”。

我还给你一个简单的视频解释链接，为你澄清一些事情

https://www.youtube.com/watch?v=Lx7OCFXPG8o

观看视频后，您可能想查看以下 colab 笔记本

https://colab.research.google.com/github/tensorflow/examples/blob/master/courses/udacity_intro_to_tensorflow_for_deep_learning/l07c01_saving_and_loading_models.ipynb

这是 Udacity 提供的关于 tensorflow 培训课程介绍的资料。这对您理解 tensorflow 模型文件和 keras 模型文件之间的区别应该非常有帮助。

祝你有美好的一天。

编辑：

HDF5 格式 Keras 提供了一种使用 HDF5 标准的基本保存格式。

创建并训练一个新的模型实例。 模型 = 创建模型（） model.fit(train_images, train_labels, epochs=5)

将整个模型保存到 HDF5 文件中。 '.h5' 扩展名表示模型应保存为 HDF5。 model.save('my_model.h5')

在调用model.save函数时，需要在文件名后添加'.h5'扩展名，这样模型就会以h5格式保存。