如何加载使用 make_image_classifier 工具保存的 Tensorflow 模型

Question

我使用名为 make_image_classifier https://github.com/tensorflow/hub/tree/master/tensorflow_hub/tools/make_image_classifier的 Tensorflow 工具制作了一个自定义图像分类器模型

现在模型导出为 .pb 文件以及 2 个文件夹、资产和变量。

问题是如何使用此自定义模型进行预测？ 这些天我浏览了所有 TF 文档，并尝试了许多不同的方法，但没有找到解决方案。

有人在找不到明确的信息时写了它，所以他创建了一个指南，但它对我也不起作用。 在“步骤 3”中，它包含加载模块和使用自定义模型对图像进行分类所需的所有代码。 问题是我需要知道输入和输出节点的名称，而我没有。 我尝试使用 Netron 找到它们，但是没有用。 https://heartbeat.fritz.ai/automl-vision-edge-exporting-and-loading-tensorflow-saved-models-with-python-f4e8ce1b943a

import tensorflow as tf
export_path = '/Users/aayusharora/Aftershoot/backend/loadmodel/models/'
with tf.Session(graph=tf.Graph()) as sess:
  tf.saved_model.loader.load(sess, ['serve'], export_path)
path = '/Users/aayusharora/Aftershoot/backend/sampleImage.jpg'
with open(path, "rb") as img_file:
  y_pred = sess.run('tile:0', feed_dict={'normalised_input_image_tensor': [img_file.read()] })
print(y_pred)

有人可以给我一个关于如何加载保存的模型并使用它进行预测的线索吗？

Answer 1

从保存和加载模型 | 张量流核心：

您可以使用保存的模型重新加载：

new_model = tf.keras.models.load_model('<path-to-export-path>/my_model')

假设您将这些文件（ assets 、 variables 、 .pb文件）放在一起，您似乎确实拥有这些文件：

ls <path-to-export-path>/my_model

my_model
assets  saved_model.pb  variables

new_model应该和原来的一样。 要检查其架构：

new_model.summary()