Keras h5将于2019年在Tensorflow上服？

Question

我试图按照本教程讲解如何转换Keras H5模型zu ProtoBuff并使用Tensorflow服务为其提供服务：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都使用了“ tf.saved_model.simple_save”，该名称现已弃用并删除（2019年3月）。如以下所示，使用freeze_session将h5转换为pb： 如何将Keras .h5导出到tensorflow .pb？

似乎错过了一个“ serv”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

使用save_model_cli进行了检查，没有标签。

现在如何使h5模型可在tensorflow_server中使用？

Answer 1

注意：这适用于TF 2.0+

我假设您有您的Keras模型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，只需导出一个SavedModel

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

最后，将您名义上要进行的任何转换应用SavedModel到.pb推理文件（例如：冻结，优化推理等）

您可以在TF 官方指南中获得更多详细信息和完整示例，以在TF 2.0中保存和序列化模型。