升级 TensorFlow 模型或重新训练 SavedModel答案

【问题标题】：Upgrade Tensorflow model or Retrain for SavedModel升级 TensorFlow 模型或重新训练 SavedModel
【发布时间】：2019-12-18 20:15:16
【问题描述】：

我在 2017 年关注“诗人的 Tensorflow”，并重新训练了我自己的图像集并创建了“retrained_graph.pb”和“retrained_labels.txt”
今天我需要在 Tensorflow Serving 上运行这个模型。有两种方法可以做到这一点：

升级旧模型以将其保存为“saved_model”格式并在 Tensorflow Serving 上使用 - 我发现了一些 SO 帖子来完成它（this 或 that)。
将最新的 tensorflow Hub 与 Keras 结合使用 (https://www.tensorflow.org/tutorials/images/hub_with_keras)

我正在寻找其中的最佳选择，或者一个新的选择。

【问题讨论】：

标签： tensorflow tensorflow-serving imagenet tensorflow-hub

【解决方案1】：

在我看来，使用 Tensorflow Hub 或在 tf.keras.applications 内使用 Pre-Trained Models 是更可取的，因为无论哪种情况，保存模型不需要太多代码更改，使其与 Tensorflow Serving 兼容。

tf.keras.applications中的预训练模型MobileNet重用代码如下所示：

#Import MobileNet V2 with pre-trained weights AND exclude fully connected layers
IMG_SIZE = 224

from tensorflow.keras.layers import Dense, GlobalAveragePooling2D
from tensorflow.keras import Model


IMG_SHAPE = (IMG_SIZE, IMG_SIZE, 3)

# Create the base model from the pre-trained model MobileNet V2
base_model = tf.keras.applications.MobileNetV2(input_shape=IMG_SHAPE,
                                               include_top=False,
                                               weights='imagenet')

# Add Global Average Pooling Layer
x = base_model.output
x = GlobalAveragePooling2D()(x)

# Add a Output Layer
my_mobilenetv2_output = Dense(5, activation='softmax')(x)

# Combine whole Neural Network
my_mobilenetv2_model = Model(inputs=base_model.input, outputs=my_mobilenetv2_output)

您可以使用下面给出的代码保存模型：

version = 1
MODEL_DIR = 'Image_Classification_Model'
export_path = os.path.join(MODEL_DIR, str(version))

tf.keras.models.save_model(model = model, filepath = export_path)

【讨论】：