Tensorflow 保存的模型不包含输入名称

如何解决Tensorflow 保存的模型不包含输入名称

我们目前正在 tensorflow 2.4.0 中训练一个对象检测模型，该模型运行良好。然而，为了能够为它服务，我们需要用一个图像预处理层包装它，该层将图像字节作为输入并将它们转换为检测模型所需的图像张量。看下面的代码：

png_file = 'myfile.png'
input_tensor = tf.io.read_file(png_file,name='image_bytes')

def preprocessing_layer(inputs):

    image_tensor = tf.image.decode_image(inputs,channels=3)
    image_tensor = tf.expand_dims(
        image_tensor,axis=0,name=None
    )
    return image_tensor 

model = keras.Sequential(
    [
        keras.Input(tensor=input_tensor,dtype=tf.dtypes.string,name='image_bytes',batch_size=1),tf.keras.layers.Lambda(lambda inp: preprocessing_layer(inp)),yolo_model
    ]
)
model.summary()

这个包装模型提供了有用的检测，如果我们调用 model.input_names，将返回正确的名称：['image_bytes']。

现在，如果我们使用 model.save('model_path') 保存模型，保存的模型不再包含输入名称，而是用通用名称 (args_0) 替换它们。

signature_def['serving_default']:
  The given SavedModel SignatureDef contains the following input(s):
    inputs['args_0'] tensor_info:
        dtype: DT_STRING
        shape: ()
        name: serving_default_args_0:0
  The given SavedModel SignatureDef contains the following output(s):
    outputs['model'] tensor_info:
        dtype: DT_FLOAT
        shape: (1,64512,6)

这是一个问题，因为 tensorflow 服务依赖于以 _bytes 结尾的名称来转换 base64 输入。

您能否提供有关在保存模型时如何保留输入名称的提示？

解决方法

问题源于您定义 lambda 层的方式，以及您设置模型的方式。

您的 lambda 函数应该能够处理批处理，目前情况并非如此。您可以天真地使用 we can separate "your.name" from the POM by specifying a filter file my-filter-values.properties containing: 使其处理一批图像，如下所示：

tf.map_fn

然后您可以使用符号 def preprocessing_layer(str_inputs): def decode(inputs): image_tensor = tf.image.decode_image(inputs[0],channels=3) image_tensor = tf.expand_dims( image_tensor,axis=0,name=None ) return image_tensor return tf.map_fn(decode,str_inputs,fn_output_signature=tf.uint8) 定义模型，将形状设置为 tf.keras.Input（指定除批量大小之外的其他维度）：

()

现在模型已正确创建，签名可以正确导出。