tensorflow - 如何使用TF2将加载的h5模型正确保存到pb

Question

我加载了一个已保存的 h5 模型并希望将该模型保存为 pb。
该模型在训练期间使用 tf.keras.callbacks.ModelCheckpoint 保存回调函数。

TF版本:2.0.0a
编辑 :2.0.0-beta1 也有同样的问题

我保存 pb 的步骤:

我第一套K.set_learning_phase(0)

然后我用 tf.keras.models.load_model 加载模型

然后，我定义了 freeze_session()功能。

(可选我编译模型)

然后使用 freeze_session()功能与 tf.keras.backend.get_session

错误 我得到，编译和不编译:

AttributeError: module 'tensorflow.python.keras.api._v2.keras.backend' has no attribute 'get_session'

我的问题:

TF2 没有get_session了？
(我知道 tf.contrib.saved_model.save_keras_model 不存在了，我也试过 tf.saved_model.save 没有真正奏效)

还是get_session仅在我实际训练模型时才起作用，而仅加载 h5 不起作用
编辑 :对于新训练的 session ，也没有可用的 get_session。

如果是这样，我将如何在未经培训的情况下将 h5 转换为 pb？有好的教程吗？

感谢您的帮助

更新 :

自 TF2.x 正式发布以来，图形/ session 概念发生了变化。 savedmodel应该使用api。
您可以使用 tf.compat.v1.disable_eager_execution()使用 TF2.x，它将生成一个 pb 文件。但是，我不确定它是哪种 pb 文件类型，因为保存的模型组合从 TF1 更改为 TF2。我会继续挖掘。

Answer 1

我确实将模型保存到 pb来自 h5模型:

import logging
import tensorflow as tf
from tensorflow.compat.v1 import graph_util
from tensorflow.python.keras import backend as K
from tensorflow import keras

# necessary !!!
tf.compat.v1.disable_eager_execution()

h5_path = '/path/to/model.h5'
model = keras.models.load_model(h5_path)
model.summary()
# save pb
with K.get_session() as sess:
    output_names = [out.op.name for out in model.outputs]
    input_graph_def = sess.graph.as_graph_def()
    for node in input_graph_def.node:
        node.device = ""
    graph = graph_util.remove_training_nodes(input_graph_def)
    graph_frozen = graph_util.convert_variables_to_constants(sess, graph, output_names)
    tf.io.write_graph(graph_frozen, '/path/to/pb/model.pb', as_text=False)
logging.info("save pb successfully！")

我使用 TF2 来转换模型，如:

通keras.callbacks.ModelCheckpoint(save_weights_only=True)至 model.fit并保存 checkpoint在训练时；

培训结束后，self.model.load_weights(self.checkpoint_path)负载 checkpoint ;

self.model.save(h5_path, overwrite=True, include_optimizer=False)另存为 h5 ;

转换 h5至 pb就像上面一样；