保存没有自定义对象的完整 tf.keras 模型？答案

【问题标题】：Save complete tf.keras model without custom objects?保存没有自定义对象的完整 tf.keras 模型？
【发布时间】：2020-08-20 21:31:23
【问题描述】：

假设我们有一些模型，包括在训练期间很重要的自定义损失和指标。是否可以保存完整的模型，所以 weights + graphdef / pb-file，没有自定义对象？

在推理过程中，不需要自定义损失和指标，因此...

tf.keras.models.load_model("some_model", custom_objects={...})

...只会使推理代码更复杂，因为需要包含自定义目标代码以进行推理（尽管未使用）。

但是，tf.keras.callbacks.ModelCheckpoint（即使使用include_optimizer=False）以及调用model.save() 总是保存模型定义包括自定义对象。

因此，只需使用...加载模型

tf.keras.models.load_model("some_model")

...总是会失败并抱怨缺少自定义对象。

是否可以在没有自定义损失/指标的情况下以某种方式保存整个模型？要获得易于加载的“推理”版本的网络？

或者是将所有内容冻结为 TFLite 模型的唯一解决方案？

当然，可以简单地使用model.save_weights()，但实际代码需要包含在以后进行推理，这是不希望的。

【问题讨论】：

【解决方案1】：

如果目的是防止loss和metrics的加载，可以使用load_model中的参数compile：

model = tf.keras.models.load_model("some_model", compile=False)

这应该跳过损失和指标/优化器的要求，因为模型没有编译。当然你现在不能训练模型，但它应该可以很好地使用model.predict()进行推理

【讨论】：