python - 如何将 Python 中的 Azure 认知服务中经过训练的分类器与 Keras 结合使用

Question

我训练了认知视觉 API 模型并将其导出(尝试了两种格式:TensorFlow 和 SavedModel)。

现在我想在 Python 脚本中加载这个导出的模型，最好使用 Keras 而不是原生 Tensorflow。我想打印出模型的 summary() 并复制图层以在自定义 Python 脚本中重新训练它。

但是，我似乎无法让它发挥作用:

使用 SavedModel 格式加载

使用以下代码:

import tensorflow as tf
loaded = tf.saved_model.load(export_dir='mydir/savedmodel')
loaded.summary()

我收到以下异常:'AutoTrackable'对象没有属性'summary'，并且加载方法似乎返回了AutoTrackable，而不是模型。

使用 GraphDef

从 this link 获取以下代码，创建了一个 TensorFlow 特定类型，我真的不知道如何将其转换为 Keras 模型。

import tensorflow as tf
import os

graph_def = tf.compat.v1.GraphDef()
labels = []

# These are set to the default names from exported models, update as needed.
filename = 'mydir/tf/model.pb'
labels_filename = "mydir/tf/labels.txt"

# Import the TF graph
with tf.io.gfile.GFile(filename, 'rb') as f:
    graph_def.ParseFromString(f.read())
    tf.import_graph_def(graph_def, name='')

# Create a list of labels.
with open(labels_filename, 'rt') as lf:
    for l in lf:
        labels.append(l.strip())

Answer 1

TensorFlow 保存的模型格式，用于在运行时加载模型。 https://www.tensorflow.org/guide/saved_model#building_a_savedmodel

可以使用 Python 脚本导出模型，该脚本加载模型、创建签名，然后以保存的模型格式保存模型。

要在我们上传并读取它进行注册时保留它。如果您使用 ./output 将文件发送到输出，在您的 train.py 脚本中，您只需执行以下操作:

#persist the model to the local machine
tf.saved_model.save(model,'./outputs/model/')

#register the model with run object
run.register_model(model_name,'./outputs/model/')

我发现下面的链接显示我可以将估算器导出为 tf.saved_model。

https://guillaumegenthial.github.io/serving-tensorflow-estimator.html