保存完整的 tf.keras model 没有自定义对象？

Question

假设我们有一些 model 包括在训练期间很重要的自定义损失和指标。 是否可以保存完整的 model，所以 weights + graphdef / pb 文件，没有自定义对象？

在推理过程中，不需要自定义损失和指标，因此......

tf.keras.models.load_model("some_model", custom_objects={...})

...只会使推理代码更加复杂，因为需要包含自定义 object 代码进行推理（尽管未使用）。

但是， tf.keras.callbacks.ModelCheckpoint （即使使用include_optimizer=False ）以及调用model.save()始终保存Z20F35E630DAF44DBFA4C3F68F5399D8的自定义定义

因此，只需将 model 加载...

tf.keras.models.load_model("some_model")

...总是会失败并抱怨缺少自定义对象。

是否可以在没有自定义损失/指标的情况下以某种方式保存整个 model？ 要获得易于加载的网络“推理”版本？

或者是将所有内容冻结到 TFLite model 的唯一解决方案？

当然，可以简单地使用model.save_weights() ，但随后需要包含实际代码以便稍后进行推理，这是不希望的。

Answer 1

如果目的是防止加载损失和指标，可以使用load_model中的参数compile ：

model = tf.keras.models.load_model("some_model", compile=False)

这应该跳过损失和指标/优化器的要求，因为 model 未编译。 当然，您现在无法训练 model，但使用model.predict()进行推理应该可以正常工作

Answer 2

我也有同样的需求。 在我的例子中，自定义对象是构建 model 架构所必需的。

有没有办法将 de savedmodel 文件转换为不需要加载 custom_objects 的某种格式？