Keras h5 到 2019 年服务于 Tensorflow？

Question

我尝试按照本教程了解如何转换 Keras H5 Model zu ProtoBuff 并使用 Tensorflow Serve 提供服务： https://towardsdatascience.com/deploying-keras-models-using-tensorflow-serving-and-flask-508ba00f1037

该教程在网络上的许多其他资源中使用“tf.saved_model.simple_save”，现在（2019 年 3 月）已弃用和删除。 使用 freeze_session 将 h5 转换为 pb，如下所示： How to export Keras .h5 to tensorflow .pb?

好像错过了一个“服务”标签，因为 tensorflow_model_server 输出：

Loading servable: {name: ImageClassifier version: 1} failed: Not found: Could not find meta graph def matching supplied tags: { serve }. To inspect available tag-sets in the SavedModel, please use the SavedModel CLI: saved_model_cli

用saved_model_cli检查过，没有标签。

现在有什么方法可以让 h5 模型在 tensorflow_server 中可用？

Answer 1

注意：这适用于 TF 2.0+

我假设您的 Keras 模型位于 model.h5。 首先，只需使用 TensorFlow 的 Keras 实现加载模型：

from tensorflow import keras
model = keras.models.load_model('model.h5')

然后，只需导出 SavedModel

keras.experimental.export_saved_model(model, 'path_to_saved_model')

最后，应用您通常需要的任何转换，从 SavedModel 到 .pb 推理文件（例如：冻结、优化推理等）

您可以在 TF 的official guide for saving and serializing models in TF 2.0 中获得更多详细信息和完整示例