[英]TensorFlow saved model export conversion to tflite
TLDR :运行时出现ValueError:
tf.contrib.lite.TocoConverter.from_saved_model()
目的 :我正在尝试将TensorFlow保存的模型转换为tflite,以便通过Firebase部署在移动设备上。 我可以训练模型并输出保存的模型,但是在使用python ToCo接口将其转换为.tflite
时遇到了麻烦。 任何帮助将不胜感激。 另外,是否有人可以评论tflite转换是否将捕获我所依赖的hub.text_embedding_column()
输入过程。 移动部署将使用原始输入文本执行此操作,还是需要单独部署其中的那一部分?
问题 :这是我正在运行的代码:
输入:
train_input_fn = tf.estimator.inputs.pandas_input_fn(
train_df, train_df["target_var"], num_epochs=None, shuffle=True
)
predict_train_input_fn = tf.estimator.inputs.pandas_input_fn(
train_df, train_df["target_var"], shuffle=False
)
predict_test_input_fn = tf.estimator.inputs.pandas_input_fn(
test_df, test_df["target_var"], shuffle=False)
embedded_text_feature_column = hub.text_embedding_column(
key="text",
module_spec="https://tfhub.dev/google/nnlm-en-dim128/1"
)
培训和评估:
estimator = tf.estimator.DNNClassifier(
hidden_units=[500, 100],
feature_columns=[embedded_text_feature_column],
n_classes=2,
optimizer=tf.train.AdagradOptimizer(learning_rate=0.003),
model_dir="my-model"
)
estimator.train(input_fn=train_input_fn, steps=1000)
train_eval_result = estimator.evaluate(input_fn=predict_train_input_fn)
test_eval_result = estimator.evaluate(input_fn=predict_test_input_fn)
保存模式:
feature_spec = tf.feature_column.make_parse_example_spec([embedded_text_feature_column])
serve_input_fun = tf.estimator.export.build_parsing_serving_input_receiver_fn(
feature_spec,
default_batch_size=None
)
estimator.export_savedmodel(
export_dir_base = "my-model",
serving_input_receiver_fn = serve_input_fun,
as_text=False,
checkpoint_path="my-model/model.ckpt-1000",
)
转换模型:
converter = tf.contrib.lite.TocoConverter.from_saved_model("my-model/1529320265/")
tflite_model = converter.convert()
错误
运行最后一行时,出现以下错误:
ValueError:张量input_example_tensor:0未知类型tf.string
完整的跟踪是:
ValueError跟踪(最近一次通话)
在()中
1个转换器= tf.contrib.lite.TocoConverter.from_saved_model(“ my-model / 1529320265 /”)
----> 2 tflite_model = converter.convert()/media/rmn/data/projects/anaconda3/envs/monily_tf19/lib/python3.6/site-packages/tensorflow/contrib/lite/python/lite.py在convert(self)中
307 reorder_across_fake_quant = self.reorder_across_fake_quant,
第308章席卷天元
-> 309 allow_custom_ops = self.allow_custom_ops)
310返回结果
311
/media/rmn/data/projects/anaconda3/envs/monily_tf19/lib/python3.6/site-packages/tensorflow/contrib/lite/python/convert.py in toco_convert(输入数据,输入张量,输出张量,推断类型,推断输入类型,输入格式,output_format,quantized_input_stats,default_ranges_stats,drop_control_dependency,reorder_across_fake_quant,allow_custom_ops,change_concat_input_ranges)
204其他:
205提高ValueError(“张量%s未知类型%r”%(input_tensor.name,-> 206 input_tensor.dtype))
207
第208章ValueError:张量input_example_tensor:0未知类型tf.string
细节
train_df
和test_df
是由单个输入文本列和二进制目标变量组成的pandas数据帧。 我正在使用Python 3.6.5和TensorFlow r1.9。
此问题已在TensorFlow的master
分支上修复(在commit d3931c8中 )。 请参考TensorFlow网站上的以下文档以从GitHub构建pip安装: https : //www.tensorflow.org/install/install_sources 。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.