Tensorflow 2.0 保存训练有素的 model 用于服务

Question

请帮我。 我正在使用 Tensorflow 2.0 GPU。 我训练 model 并保存为 .h5 格式

model = keras.Sequential()
model.add(layers.Bidirectional(layers.CuDNNLSTM(self._window_size, return_sequences=True),
                               input_shape=(self._window_size, x_train.shape[-1])))
model.add(layers.Dropout(rate=self._dropout, seed=self._seed))
model.add(layers.Bidirectional(layers.CuDNNLSTM((self._window_size * 2), return_sequences=True)))
model.add(layers.Dropout(rate=self._dropout, seed=self._seed))
model.add(layers.Bidirectional(layers.CuDNNLSTM(self._window_size, return_sequences=False)))
model.add(layers.Dense(units=1))
model.add(layers.Activation('linear'))
model.summary()

model.compile(
    loss='mean_squared_error',
    optimizer='adam'
)
# обучаем модель
history = model.fit(
    x_train,
    y_train,
    epochs=self._epochs,
    batch_size=self._batch_size,
    shuffle=False,
    validation_split=0.1
)

model.save('rts.h5')

然后我加载这个 model 并将其用于预测，一切正常。

model = keras.models.load_model('rts.h5')
y_hat = model.predict(x_test)

但是出现了在 Tensorflow 服务中使用训练有素的 model 的问题。 并且不接受.h5格式的model。 我跑：

sudo docker run --gpus 1 -p 8501:8501 --mount type=bind,source=/home/alex/PycharmProjects/TensorflowServingTestData/RtsModel,target=/models/rts_model -e MODEL_NAME=rts_model -t tensorflow/serving:latest-gpu

但是出现了在 Tensorflow 服务中使用训练有素的 model 的问题。 并且不接受.h5格式的model。 我跑：我得到错误：

tensorflow_serving/sources/storage_path/file_system_storage_path_source.cc:267] No versions of servable rts_model found under base path /models/rts_model

我尝试保存训练有素的 model，如此处所述， https://www.tensorflow.org/guide/saved_model#using_savedmodel_with_estimators

我得到了错误：

ValueError: Layer has 2 states but was passed 0 initial states.

我尝试将 model 保存如下， https://www.tensorflow.org/api_docs/python/tf/keras/models/save_model :

并有同样的错误：

ValueError: Layer has 2 states but was passed 0 initial states.

以 Tensorflow Serving 格式保存 model 的唯一方法是：

keras.experimental.export_saved_model(model, 'saved_model/1/')

保存 model 在服务中的工作。 但我收到警告说此方法已被弃用，并将在未来版本中删除。

Instructions for updating:
Please use `model.save(..., save_format="tf")` or `tf.keras.models.save_model(..., save_format="tf")`.

它关闭了我。 当我尝试使用这些方法时，它给出了一个错误。 当我使用有效的方法时，写道它已被弃用。

请帮忙。 如何在 Tensorflow 2.0 中保存经过训练的 model。 以便它可以用于 Tensorflow 服务。

Answer 1

我也试图解决这个问题！

根据这里的答案，普通 LSTM（即tf.keras.layers.LSTM ）将使用 GPU，并且通常应该在 cuDNNLSTM ZA2F2ED4F8EBC2CBB4C21A29DC40AB61 上使用（除非你特别需要）

根据文档，如果满足某些要求，正常的 LSTM 将使用 cuDNN 实现（见下文）。

使用这个 LSTM 层时，我可以成功保存到 tf output 类型，只需使用model.save_model('output_path', save_format='tf')

使用 cuDNN 的 LSTM 的要求如下（注意所有要求都满足默认值）：

如果 GPU 可用并且该层的所有 arguments 都满足 CuDNN kernel 的要求（详见下文），则该层将使用快速 cuDNN 实现。

使用 cuDNN 实现的要求是：

1. activation == tanh
2. recurrent_activation == sigmoid
3. recurrent_dropout == 0
4. 展开是 False
5. use_bias 为 True 输入未被屏蔽或严格右填充。