将Keras模型导出为TF估计器：找不到经过训练的模型

小编典典

将Keras模型导出为TF估计器：找不到经过训练的模型

python

尝试将Keras模型导出为TensorFlow
Estimator以便服务模型时遇到以下问题。由于该问题的答案中也弹出相同的问题，因此，我将说明玩具示例中发生的情况，并提供用于文档目的的解决方法。Tensorflow 1.12.0和Keras
2.2.4会发生此行为。实际的Keras和tf.keras。

尝试导出使用Keras模型从Keras模型创建的Estimator时出现问题tf.keras.estimator.model_to_estimator。调用时estimator.export_savedmodel，将抛出aNotFoundError或a
ValueError。

下面的代码将其复制为一个玩具示例。

创建Keras模型并保存：

import keras
model = keras.Sequential()
model.add(keras.layers.Dense(units=1,
                                activation='sigmoid',
                                input_shape=(10, )))
model.compile(loss='binary_crossentropy', optimizer='sgd')
model.save('./model.h5')

接下来，使用将模型转换为estimator
tf.keras.estimator.model_to_estimator，添加输入接收器函数并使用以下Savedmodel格式将其导出estimator.export_savedmodel：

# Convert keras model to TF estimator
tf_files_path = './tf'
estimator =\
    tf.keras.estimator.model_to_estimator(keras_model=model,
                                          model_dir=tf_files_path)
def serving_input_receiver_fn():
    return tf.estimator.export.build_raw_serving_input_receiver_fn(
        {model.input_names[0]: tf.placeholder(tf.float32, shape=[None, 10])})

# Export the estimator
export_path = './export'
estimator.export_savedmodel(
    export_path,
    serving_input_receiver_fn=serving_input_receiver_fn())

这将抛出：

ValueError: Couldn't find trained model at ./tf.

阅读 219

2021-01-20

共1个答案

小编典典

我的解决方法如下。检查./tf文件夹可以清楚地看到，model_to_estimator将必要文件存储在keras子文件夹中的调用，同时export_model希望这些文件./tf直接位于文件夹中，因为这是我们为model_dir参数指定的路径：

$ tree ./tf
./tf
└── keras
    ├── checkpoint
    ├── keras_model.ckpt.data-00000-of-00001
    ├── keras_model.ckpt.index
    └── keras_model.ckpt.meta

1 directory, 4 files

一种简单的解决方法是将这些文件上移一个文件夹。这可以使用Python完成：

import os
import shutil
from pathlib import Path

def up_one_dir(path):
    """Move all files in path up one folder, and delete the empty folder
    """
    parent_dir = str(Path(path).parents[0])
    for f in os.listdir(path):
        shutil.move(os.path.join(path, f), parent_dir)
    shutil.rmtree(path)

up_one_dir('./tf/keras')

这将使model_dir目录如下所示：

$ tree ./tf
./tf
├── checkpoint
├── keras_model.ckpt.data-00000-of-00001
├── keras_model.ckpt.index
└── keras_model.ckpt.meta

0 directories, 4 files

在model_to_estimator和export_savedmodel调用之间进行此操作可以根据需要导出模型：

export_path = './export'
estimator.export_savedmodel(
    export_path,
    serving_input_receiver_fn=serving_input_receiver_fn())

INFO：tensorflow：SavedModel写入：./export/temp-b‘1549796240’/saved_model.pb

2021-01-20