摘要

我的问题由以下人员组成：

我展示我的项目、工作环境和工作流程的背景
详细问题
我的代码的相关部分
我试图解决我的问题的解决方案
问题提醒

上下文

我已经编写了一个原始超分辨率GAN降级版本的Python Keras实现。现在我想使用Google Firebase机器学习工具包进行测试，将其托管在Google服务器中。这就是为什么我必须将我的Keras程序转换为TensorFlow Lite程序。

环境和工作流程(有问题(

我正在Google Colab工作环境中训练我的程序：在那里，我已经安装了TF 2.0.0-beta1(这个选择是由这个不正确的答案驱动的：https://datascience.stackexchange.com/a/57408/78409(。

工作流程(和问题(：

我在本地编写我的Python Keras程序，记住它将在TF 2上运行。所以我使用 TF 2 导入，例如：from tensorflow.keras.optimizers import Adam和from tensorflow.keras.layers import Conv2D, BatchNormalization
我将代码发送到云端硬盘
我运行我的谷歌Colab笔记本没有任何问题：TF 2被使用。
我在云端硬盘中获取输出模型，然后下载。
我尝试通过执行以下 CLI 将此模型转换为 TFLite 格式：tflite_convert --output_file=srgan.tflite --keras_model_file=srgan.h5：这里出现问题。

问题所在

以前的 CLI 不会从 TF (Keras( 模型输出 TF Lite 转换模型，而是输出此错误：

值错误：未知损失函数：build_vgg19_loss_network

函数build_vgg19_loss_network是我已经实现的自定义损失函数，必须由 GAN 使用。

引发此问题的代码部分

呈现自定义损失函数

自定义损失函数是这样实现的：

def build_vgg19_loss_network(ground_truth_image, predicted_image):
loss_model = Vgg19Loss.define_loss_model(high_resolution_shape)
return mean(square(loss_model(ground_truth_image) - loss_model(predicted_image)))

使用我的自定义损失函数编译生成器网络

generator_model.compile(optimizer=the_optimizer, loss=build_vgg19_loss_network)

为了解决问题，我试图做什么

当我在 StackOverflow 上阅读它时(这个问题开头的链接(，TF 2 被认为足以输出一个 Keras 模型，该模型将由我的tflite_convertCLI 正确处理。但显然不是。
当我在 GitHub 上阅读它时，我尝试通过添加以下行在 Keras 的损失函数中手动设置我的自定义损失函数：import tensorflow.keras.losses tensorflow.keras.losses.build_vgg19_loss_network = build_vgg19_loss_network.它没有用。
我在GitHub上读到我可以将自定义对象与load_modelKeras 函数一起使用：但我只想使用 Keras 函数compile。不load_model.

我的最后一个问题

我只想对我的代码进行微小的更改，因为它工作正常。所以我不想，例如，用load_model替换compile.有了这个约束，你能帮我，请，让我的 CLItflite_convert与我的自定义损失函数一起使用吗？

由于您声称 TFLite 转换由于自定义损失函数而失败，因此您可以保存模型文件而不保留优化器详细信息。为此，请将include_optimizer参数设置为 False，如下所示：

model.save('model.h5', include_optimizer=False)

现在，如果模型内的所有层都是可转换的，则它们应该转换为 TFLite 文件。

编辑：然后，您可以像这样转换 h5 文件：

import tensorflow as tf
model = tf.keras.models.load_model('model.h5')   # srgan.h5 for you
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)

此处记录了克服 TFLite 转换中不支持的运算符的常规做法。

我遇到了同样的错误。我建议将损失更改为"mse"，因为您已经有一个训练良好的模型，并且不需要使用 .tflite 文件进行训练。

在 {TF 2.0.0-beta1 上使用tflite_convert 时"Unkown (custom) loss function" ;Keras} model

摘要

上下文