tensorflow - 如何将训练有素的 Tensorflow 模型转换为 Keras？

Question

我有一个训练有素的 Tensorflow 模型和权重向量，它们已分别导出到 protobuf 和权重文件。

如何将这些转换为 Keras 可以使用的 JSON 或 YAML 和 HDF5 文件？

我有 Tensorflow 模型的代码，所以转换 tf.Session 也是可以接受的到 keras 模型并将其保存在代码中。

Answer 1

keras 的创建者 Francois Chollet 在 04/2017 中表示:“您不能将任意 TensorFlow 检查点转换为 Keras 模型。但是，您可以做的是构建一个等效的 Keras 模型，然后将权重加载到这个 Keras 模型中”
，见 https://github.com/keras-team/keras/issues/5273 .据我所知，这并没有改变。
一个小例子:
首先，您可以像这样提取 tensorflow 检查点的权重

PATH_REL_META = r'checkpoint1.meta'
    
# start tensorflow session
with tf.Session() as sess:
    
    # import graph
    saver = tf.train.import_meta_graph(PATH_REL_META)
    
    # load weights for graph
    saver.restore(sess, PATH_REL_META[:-5])
        
    # get all global variables (including model variables)
    vars_global = tf.global_variables()
    
    # get their name and value and put them into dictionary
    sess.as_default()
    model_vars = {}
    for var in vars_global:
        try:
            model_vars[var.name] = var.eval()
        except:
            print("For var={}, an exception occurred".format(var.name))

它也可能用于导出 tensorflow 模型以在 tensorboard 中使用，请参阅 https://stackoverflow.com/a/43569991/2135504
其次，您像往常一样构建您的 keras 模型并通过“model.compile”完成它。请注意，您需要按名称定义每一层，然后将其添加到模型中，例如

layer_1 = keras.layers.Conv2D(6, (7,7), activation='relu', input_shape=(48,48,1))
net.add(layer_1)
...
net.compile(...)

第三，您可以使用 tensorflow 值设置权重，例如

layer_1.set_weights([model_vars['conv7x7x1_1/kernel:0'], model_vars['conv7x7x1_1/bias:0']])