使用（常量）参数保存/加载 Keras 模型答案

【问题标题】：Save/load a Keras model with (constant) parameters使用（常量）参数保存/加载 Keras 模型
【发布时间】：2020-08-07 13:10:00
【问题描述】：

我的情况与"Save/load a keras model with constants"类似，但略有不同

我正在tf.keras（TFv1.12，是的，我知道）中创建一个对象检测模型（基于YOLO），其原始输出需要后处理到边界框。

这涉及一些参数，这些参数对于模型而言是恒定的，但构建模型的脚本的参数：例如类的数量，以及生成框的“锚”位置矩阵。

我的模型将被加载到 TFServing 容器中，因此我正在努力确保：

转换被封装在模型中，而不是让用户去做或拆分后处理逻辑
保存的模型工件（例如 Keras h5 或 TF pb+params）足以加载和服务模型

这样做的正确方法是什么？

据我所知，以下不起作用：

import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import backend as K
from tensorflow.keras.layers import Lambda, Layer

# Lambda layer using closure scope triggers error when trying to load the model:
# seems like `param` is defined but some weird object
def make_output_lambda(param):
    def mylambda(raw_output):
        return raw_output + param
    return Lambda(mylambda)

# Even if the custom layer type is added to `custom_objects` on
# `tf.keras.models.load_model()` - it seems to get called without the positional
# arguments:
class MyCustomLayer(Layer):
    def __init__(self, param, **kwargs):
        super(YOLOHeadLayer, self).__init__(**kwargs)
        self.param = param  # or K.constant(param) - same overall problem

    def call(self, inputs):
        return inputs + self.param

# Keras throws an error when creating a `Model` that depends on a constant
# tensor which isn't an `Input` (and who wants a constant "Input"?)
def lambdatwo(inputs):
    return inputs[0] + inputs[1]
param_tensor = K.constant(param)
y = Lambda(lambdatwo)((raw_output, param_tensor))

【问题讨论】：

你知道如何将联系人和模型一起保存吗？

标签： python tensorflow keras deep-learning

【解决方案1】：

您应该使用继承的Layer 类中的add_weight 方法，使用trainable=False 标志来避免更新您的常量：

class MyCustomLayer(Layer):
    def __init__(self, param, **kwargs):
        super(MyCustomLayer, self).__init__(**kwargs)
        self.param = self.add_weight(
            shape=tf.shape(param),
            initializer=lambda _, dtype: param,
            trainable=False
        )

    def call(self, inputs):
        return inputs + self.param

【讨论】：