Keras模型.h5转化为TensorFlow模型.pb

一、Keras

是一个用Python实现的基于TensorFlow的深度学习API。用来简化深度学习模型的开发过程，提高做实验的效率【1】。

二、Keras模型保存和载入

标准的Keras生成模型过程：

# Model.save
from keras.models import Model, load_model

model = Model(inputs=aaa, outputs=bbb)
model.save('my_model.h5')  # creates a HDF5 file 'my_model.h5'
del model                  # deletes the existing model

# returns a compiled model
# identical to the previous one
model = load_model('my_model.h5')

# 来源于Keras说明: https://keras.io/api/models/model_saving_apis/#save-method

以上这种方法keras.models.Model.save，将模型直接保存为HDF5文件.h5。

# tensorflow.keras.models.save_model

import tensorflow as tf
import numpy as np
from tensorflow.keras.models import save_model, load_model
from tensorflow.keras.layers import Dense, Softmax
 
model = tf.keras.Sequential([
     tf.keras.layers.Dense(5, input_shape=(3,)),
     tf.keras.layers.Softmax()])

save_model(model, '/tmp/model')
loaded_model = load_model('/tmp/model')
x = tf.random.uniform((10, 3))
assert np.allclose(model.predict(x), loaded_model.predict(x))

以上这种方法tensorflow.keras.models.save_model，将模型保存为tensorflow模型.pb，可以使用tensorflow serving进行在线部署服务。

三、.h5模型和.pb模型的转化

如果模型已经存为了.h5模型，想转化为.pb模型，有以下方法：（比较复杂，建议只用于没办法训练初始模型）

方案1：将.h5文件转化为.pb文件

python keras_to_tensorflow.py -input_model 'path/to/keras/model.h5' -output_model 'path/to/save/model.pb'

参考：https://github.com/amir-abdi/keras_to_tensorflow

方案2：使用tensorflow.train.write_graph保存模型为.pb文件

import numpy as np
import tensorflow as tf

tf.train.write_graph(frozen_graph, './', 'model.pb.txt', as_text=True)
tf.train.write_graph(frozen_graph, './', 'model.pb', as_text=False)

引用

【1】https://keras.io/about/#about-keras

【2】https://github.com/amir-abdi/keras_to_tensorflow

【3】https://www.zhihu.com/question/265467550

【4】https://cloud.tencent.com/developer/ask/215773

【5】Keras - Serving Keras Model Quickly with TensorFlow Serving and Docker：http://machinelearningmechanic.com/keras/2019/06/26/keras-serving-keras-model-quickly-with-tensorflow-serving-and-docker-md.html