我想将预处理函数和方法作为SavedModel签名添加到模型图中。
示例：
# suppose we have a keras model
# ...
# defining the function I want to add to the model graph
@tf.function
def process(model, img_path):
# do some preprocessing using different libs. and modules...
outputs = {"preds": model.predict(preprocessed_img)}
return outputs
# saving the model with a custom signature
tf.saved_model.save(new_model, dst_path,
signatures={"process": process})或者我们可以在这里使用tf.Module。但是，问题是我不能将自定义函数嵌入到保存的模型图中。
有什么办法可以做到吗？
1条答案
按热度按时间xwmevbvl1#
我认为您对Tensorflow中
save_model方法的用途有一点误解。根据documentation，其目的是提供一种方法来序列化模型的图形，以便之后可以使用
load_model进行loaded。load_model返回的模型是tf.Module的一个类，包含了它的所有方法和属性，而你需要序列化预测管道。老实说，我不知道有什么好的方法可以做到这一点，但是你可以做的是使用一个不同的方法来序列化你的预处理参数，例如pickle或一个不同的方法，由你使用的框架提供，并在其上编写一个类，这将做以下事情：