将元数据添加到 tensorflow 冻结图 pb

Question

为了分享我们训练有素的 tensorflow 网络，我们将图表冻结到 .pb 文件中。我们还创建了一个 xml 文件，其中包含一些元数据，例如输入张量和输出张量、要应用的预处理类型、训练数据信息等。然后通过加载图形和评估张量等使用 Java 或 C# 为模型提供服务。

为了使共享更容易，我想将此 xml 数据包含在 .pb 文件中的某处。有没有办法做到这一点？一个想法是将它作为 tf.Constant，但我不知道如何将它连接到普通图。

注意这里使用的是freeze_graph.py。新的 SavedModel 格式是否更合适？

Answer 1

首先，是的，您应该使用新的 SavedModel 格式，因为它是未来 TF 团队将支持的格式，并且也适用于 Keras。您可以向模型添加一个额外的端点，它返回一个带有 XML 数据字符串的常量张量（正如您所提到的）。

这很好，因为它是封闭的——底层的 savemodel 格式无关紧要，因为您的元数据保存在计算图本身中。

查看此问题的答案：Saving a TF2 keras model with custom signature defs。对于 Keras，这个答案并没有让你 100% 成功，因为它不能与 tf.keras.models.load 函数很好地互操作，因为它们将它包装在 tf.Module 中。幸运的是，如果添加 tf.function 装饰器，在 TF2 中使用 tf.keras.Model 也可以：

class MyModel(tf.keras.Model):

  def __init__(self, metadata, **kwargs):
    super(MyModel, self).__init__(**kwargs)
    self.dense1 = tf.keras.layers.Dense(4, activation=tf.nn.relu)
    self.dense2 = tf.keras.layers.Dense(5, activation=tf.nn.softmax)
    self.metadata = tf.constant(metadata)

  def call(self, inputs):
    x = self.dense1(inputs)
    return self.dense2(x)

  @tf.function(input_signature=[])
  def get_metadata(self):
    return self.metadata

model = MyModel('metadata_test')
input_arr = tf.random.uniform((5, 5, 1)) # This call is needed so Keras knows its input shape. You could define manually too
outputs = model(input_arr)

然后您可以按如下方式保存和加载您的模型：

tf.keras.models.save_model(model, 'test_model_keras')
model_loaded = tf.keras.models.load_model('test_model_keras')

最后使用model_loaded.get_metadata() 检索您的常量元数据张量。