python - 使用 tf.saved_model.simple_save() 时出错

Question

我正在尝试在我的计算机上托管图像分类模型，我正在尝试实现本文 Medium serving ml models 中给出的步骤

我使用的代码片段是:

import tensorflow as tf


# The export path contains the name and the version of the model
tf.keras.backend.set_learning_phase(0) # Ignore dropout at inference
model = tf.keras.models.load_model('./model_new.hdf5')
export_path = './model/1'

# Fetch the Keras session and save the model
# The signature definition is defined by the input and output tensors
# And stored with the default serving key
with tf.keras.backend.get_session() as sess:
    tf.saved_model.simple_save(
       sess,
       export_path,
       inputs={'input_image': model.input},
       outputs={t.name:t for t in model.outputs})

如上面的文章所示。我的模型存储在 model_new.hdf5 文件中，但我收到以下错误消息。

NameError: name 'tf' is not defined

在行

model = tf.keras.models.load_model('./model_new.hdf5')

这是使用 tf.saved_model.simple_save() 的正确方法吗？

Answer 1

这是加载模型时出现的错误，而不是 tf.saved_model.simple_save() 时出现的错误。当您加载 Keras 模型时，您需要处理自定义对象或自定义层。您可以通过传递一个在您的情况下包含 tf 的 custom_objects 字典来完成此操作:

import tensorflow as tf
model = keras.models.load_model('model_new.hdf5', custom_objects={'tf': tf})