AutoML Vision Edge 中的 saved_model 未正确加载

Question

我一直在使用 AutoML Vision Edge 执行一些图像分类任务，在以 TFLite 格式导出模型时取得了很好的效果。但是，我只是尝试导出saved_model.pb 文件并使用Tensorflow 2.0 运行它，似乎遇到了一些问题。

代码片段：

import numpy as np
import tensorflow as tf
import cv2

from tensorflow import keras

my_model = tf.keras.models.load_model('saved_model')
print(my_model)
print(my_model.summary())

“saved_model”是包含我下载的saved_model.pb 文件的目录。这是我所看到的：

2019-10-18 23:29:08.801647: I tensorflow/core/platform/cpu_feature_guard.cc:142] 您的 CPU 支持该 TensorFlow 二进制文件未编译使用的指令：AVX2 FMA 2019-10-18 23:29:08.829010 : I tensorflow/compiler/xla/service/service.cc:168] XLA 服务 0x7ffc2d717510 在平台主机上执行计算。设备：2019-10-18 23:29:08.829038：I tensorflow/compiler/xla/service/service.cc:175] StreamExecutor 设备（0）：主机，默认版本回溯（最近一次调用）：文件“classify_in_out_tf2. py", line 81, in print(my_model.summary()) AttributeError: 'AutoTrackable' object has no attribute 'summary'

我不确定这是否与我导出模型的方式或加载模型的代码有关，或者这些模型是否与 Tensorflow 2.0 或某些组合不兼容。

任何帮助将不胜感激！

Answer 1

我saved_model.pb在 docker 容器之外工作（用于对象检测，而不是分类 - 但它们应该相似，更改输出和输入tf 1.14），方法如下：

张量流 1.14.0：

编码为字节的图像

import cv2
import tensorflow as tf
cv2.imread(filepath)
flag, bts = cv.imencode('.jpg', img)
inp = [bts[:,0].tobytes()]
with tf.Session(graph=tf.Graph()) as sess:
    tf.saved_model.loader.load(sess, ['serve'], 'directory_of_saved_model')
    graph = tf.get_default_graph()
    out = sess.run([sess.graph.get_tensor_by_name('num_detections:0'),
            sess.graph.get_tensor_by_name('detection_scores:0'),
            sess.graph.get_tensor_by_name('detection_boxes:0'),
            sess.graph.get_tensor_by_name('detection_classes:0')],
           feed_dict={'encoded_image_string_tensor:0': inp})

图像作为 numpy 数组

import cv2
import tensorflow as tf
import numpy as np
with tf.Session(graph=tf.Graph()) as sess:
    tf.saved_model.loader.load(sess, ['serve'], 'directory_of_saved_model')
    graph = tf.get_default_graph()
    # Read and preprocess an image.
    img = cv2.imread(filepath)
    # Run the model
    out = sess.run([sess.graph.get_tensor_by_name('num_detections:0'),
                    sess.graph.get_tensor_by_name('detection_scores:0'),
                    sess.graph.get_tensor_by_name('detection_boxes:0'),
                    sess.graph.get_tensor_by_name('detection_classes:0')],
                   feed_dict={'map/TensorArrayStack/TensorArrayGatherV3:0': img[np.newaxis, :, :, :]})                                                         

我使用 netron 来查找我的输入。

张量流 2.0：

import cv2
import tensorflow as tf
img = cv2.imread('path_to_image_file')
flag, bts = cv2.imencode('.jpg', img)
inp = [bts[:,0].tobytes()]
loaded = tf.saved_model.load(export_dir='directory_of_saved_model')
infer = loaded.signatures["serving_default"]
out = infer(key=tf.constant('something_unique'), image_bytes=tf.constant(inp))