tensorflow.keras用python保存模型并用Java加载

我有一个经过优化的vgg模型，我使用tensorflow.keras函数API创建了该模型，并使用tf.contrib.saved_model.save_keras_model保存了该模型。 因此，模型以这种结构保存：资产文件夹，其中包含保存的_model.json文件，保存的_model.pb文件，变量文件夹，其中包含检查点，变量.data-00000-of-00001和变量.index

我可以轻松地用python加载模型，并使用tf.contrib.saved_model.load_keras_model（saved_model_path）获得预测，但我不知道如何用JAVA加载模型。我在谷歌上搜索了很多，发现这个文件可以导出为pb文件，然后按照这个链接加载。我无法冻结图形，也尝试使用simple\u save，但tensorflow.keras不支持simple\u save（属性错误：模块“tensorflow.contrib.saved\u model”没有属性“simple\u save”）。那么，有人能帮我弄清楚在JAVA中加载模型（tensorflow.keras functional API model）需要哪些步骤吗

我保存的_model.pb文件是否足够好，可以在JAVA端加载？我是否需要创建输入/输出占位符？那我怎样才能导出它呢？

---

非常感谢您的帮助。

如果您有一个以SavedModel格式保存的模型（看起来您是这样做的，并且类似的东西可以帮助创建），那么您可以使用Java来加载和提供它。您不需要“冻结”模型

您可能会发现以下内容很有用：

• 关于JavaAPI和SavedModel格式

但是基本的想法是，您的代码看起来像：

try (SavedModelBundle model = SavedModelBundle.load("<directory>", "serve")) {
  try (Tensor<?> input = makeInputTensor();
       Tensor<?> output = model.session().runner().feed("INPUT_TENSOR", input).fetch("OUTPUT_TENSOR", output).run().get(0)) {
  // Use output
  }
}

try（SavedModelBundle model=SavedModelBundle.load（“，“service”））{
try（张量输入=makeInputSensor（）；
Tensor output=model.session（）.runner（）.feed（“输入张量”，输入）。fetch（“输出张量”，输出）。run（）.get（0））{
//使用输出
}
}

其中，

“INPUT\u TENSOR”

和

“OUTPUT\u TENSOR”

是TensorFlow图中输入和输出节点的名称。安装TensorFlow for Python时安装的

saved_model_cli

命令行工具可以显示模型中这些张量的名称

请注意，使用TensorFlow Java API可能比使用TensorFlow Lite更适合服务器/桌面应用程序，正如另一位评论者所建议的那样。这是因为TensorFLow Lite运行时虽然针对小型设备进行了优化（在内存占用等方面），但还不能导出所有模型。而TensorFlow Java API使用完全相同的运行时，因此具有与TensorFlow for Python完全相同的功能

---

希望这能有所帮助。

您可以使用TensorFlow Lite，而不是我做的完全相同的事情。当我使用Inception模型作为预先训练的模型时，它最终运行良好。但当我使用VGG模型作为基础时，我的模型不能用JAVA加载。您看过加载VGG模型并对其进行微调，然后用JAVA加载的教程吗？我将向您发送我在尝试VGG模型时遇到的错误。我非常感谢你的帮助。这是我得到的错误：矩阵大小不兼容：在[0]：[18192]，在[1]：[25088256][{{node densite/MatMul}}}=MatMul[T=DT_FLOAT，[u output_shapes=[？，256]]，转置a=false，转置b=false，[u device=“/job:localhost/replica:0/task:0/device:CPU:0”]（展平/重塑，密集/MatMul/readbleop]