无法将具有自定义图层的 keras 模型保存到 tf lite 文件答案

【问题标题】：Cannot save keras model with custom layers to tf lite file无法将具有自定义图层的 keras 模型保存到 tf lite 文件
【发布时间】：2019-07-23 12:34:50
【问题描述】：

我想将 Mask-RCNN 移植到 tensorflow lite 以便能够在我的 android 设备上使用它。 Tensorflow lite 有一些教程展示了如何执行此操作，但是当您的模型具有扩展 keras 层类的层时，它们的说明会失败。特别是，这是我得到的错误：

/usr/local/lib/python3.5/dist-packages/tensorflow/python/keras/layers/serialization.py in deserialize(config, custom_objects)
     87       module_objects=globs,
     88       custom_objects=custom_objects,
---> 89       printable_module_name='layer')

/usr/local/lib/python3.5/dist-packages/tensorflow/python/keras/utils/generic_utils.py in deserialize_keras_object(identifier, module_objects, custom_objects, printable_module_name)
    179     config = identifier
    180     (cls, cls_config) = class_and_config_for_serialized_keras_object(
--> 181         config, module_objects, custom_objects, printable_module_name)
    182 
    183     if hasattr(cls, 'from_config'):

/usr/local/lib/python3.5/dist-packages/tensorflow/python/keras/utils/generic_utils.py in class_and_config_for_serialized_keras_object(config, module_objects, custom_objects, printable_module_name)
    164     cls = module_objects.get(class_name)
    165     if cls is None:
--> 166       raise ValueError('Unknown ' + printable_module_name + ': ' + class_name)
    167   return (cls, config['config'])
    168 

ValueError: Unknown layer: ProposalLayer

我用来导入keras模型的代码是：

converter = tf.lite.TFLiteConverter.from_keras_model_file('mrcnn.h5')

你知道如何解决这个问题吗？

【问题讨论】：

标签： python tensorflow keras tensorflow-lite

【解决方案1】：

Keras-h5 保存只知道标准层。

这里有三种可能的修复方法：

1) from_keras_model 方法有一个名为 custom_objects 的参数。如果您的类正确实现了get_config，并且您将其传递给您的类：custom_objects={"ProposalLayer":my_layers.ProposalLayer}，那么它可能会起作用。

比如需要重新加载模型here

2) 另一种选择是使用functional api 定义模型，keras 保存和加载更好地支持它。

3) 如果您可以使用不同的文件格式：试试save_format="tf" 参数。 TensorFlow-SavedModel 可能没有这个问题，因为它保存了较低级别的表示。

【讨论】：

我尝试了您提出的第一个解决方案，但它抱怨构造函数参数。该层采用两个位置参数。我尝试创建对象（使用正确的参数），然后将其传递到地图中，但它仍然抱怨构造函数参数
对于您建议工作的第 3 个解决方案，模型应该是 tf.keras.model，而我的是 keras.model 文件（保存方法没有该参数）
好点。我认为您需要检查层的get_config 方法。 AFAIK 需要将 args 转换为 json，并且在重建模型时，正是该 json **解包到构造函数中。更新了答案。

【解决方案2】：

custom_objects={"ProposalLayer":ProposalLayer}

【讨论】：