利用tf.saved_model导出keras模型

最新推荐文章于 2024-10-15 13:29:26 发布

零落_World

最新推荐文章于 2024-10-15 13:29:26 发布

阅读量2.3k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： tensorflow keras 深度学习文章标签： tensorflow 深度学习

本文链接：https://blog.youkuaiyun.com/cdj0311/article/details/105951506

本文介绍了如何将保存的Keras h5py模型转换为TensorFlow的pb模型。通过读取model.json和weights.h5，可以使用tf.saved_model将模型结构和权重导出到model/1目录下。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

keras一般保存为h5py格式的模型，当然也可以直接使用tf.saved_model保存为pb模型，那如果想将保存的h5py模型导出为pb模型该怎么办呢？以下代码就可以完成该项功能。

假设我们保存了keras的模型为model.json（结构）和weights.h5（权重），

首先读取keras模型：

# tensorflow == 1.13.1
import tensorflow as tf

def load_keras_model(model_path, weights_path):
    fr = open(model_path, "r")
    model_json = fr.read()
    fr.close()
    model = tf.keras.models.model_from_json(model_json, custom_objects={"tf":tf})
    model.load_weights(weights_path)
    return model

然后转换tensor name并导出模型：

model_export_dir = "./model/1"
model = load_keras_model("model.json", "weights.h5")
name_to_inputs = {i.name.split(":")[0]:i for i in model.inputs}
name_to_outputs = {i.name:i for i in model.outputs}
print(name_to_inputs)
print(name_to_outputs)
tf.saved_model.simple_save(tf.keras.backend.get_session(),
                           model_export_dir,
                           inputs=name_to_inputs,