2

我想使用这个 TF Hub 资产： https ://tfhub.dev/google/imagenet/resnet_v1_50/feature_vector/3

版本：

Version:  1.15.0-dev20190726
Eager mode:  False
Hub version:  0.5.0
GPU is available

代码

feature_extractor_url = "https://tfhub.dev/google/imagenet/resnet_v1_50/feature_vector/3"
feature_extractor_layer = hub.KerasLayer(module,
                                         input_shape=(HEIGHT, WIDTH, CHANNELS))

我得到：

ValueError: Importing a SavedModel with tf.saved_model.load requires a 'tags=' argument if there is more than one MetaGraph. Got 'tags=None', but there are 2 MetaGraphs in the SavedModel with tag sets [[], ['train']]. Pass a 'tags=' argument to load this SavedModel.

我试过了：

module = hub.Module("https://tfhub.dev/google/imagenet/resnet_v1_50/feature_vector/3",
                    tags={"train"})
feature_extractor_layer = hub.KerasLayer(module, 
                                         input_shape=(HEIGHT, WIDTH, CHANNELS))

但是当我尝试保存模型时，我得到：

tf.keras.experimental.export_saved_model(model, tf_model_path)
# model.save(h5_model_path) # Same error 

NotImplementedError: Can only generate a valid config for `hub.KerasLayer(handle, ...)`that uses a string `handle`.
Got `type(handle)`: <class 'tensorflow_hub.module.Module'>

教程在这里

4

2 回答 2

1

已经有一段时间了，但假设您已经迁移到 TF2，这可以通过最新的模型版本轻松完成，如下所示：

import tensorflow as tf
import tensorflow_hub as hub

num_classes=10 # For example
m = tf.keras.Sequential([
    hub.KerasLayer("https://tfhub.dev/google/imagenet/resnet_v1_50/feature_vector/5", trainable=True)
    tf.keras.layers.Dense(num_classes, activation='softmax')
])
m.build([None, 224, 224, 3])  # Batch input shape.

# train as needed

m.save("/some/output/path")

如果这对您不起作用，请更新此问题。我相信您的问题是由于hub.Module与hub.KerasLayer. 您使用的模型版本是 TF1 Hub 格式，因此在 TF1 中它只能与. 一起使用hub.Module，而不是与hub.KerasLayer. 在 TF2 中，hub.KerasLayer可以直接从其 URL 加载 TF1 Hub 格式模型，以便在更大的模型中组合，但无法对其进行微调。

请参阅此兼容性指南以获取更多信息

于 2021-06-09T13:03:00.410 回答
-1

您应该使用tf.keras.models.save_model(model,'NeuralNetworkModel') 您将在一个文件夹中保存模型，以后可以在您的顺序网络中使用

于 2020-07-13T10:53:26.767 回答