Tensorflow 无法将tf.keras.layers.ConvLSTM2D层转换为open vino中间表示

我试图将tensorflow中经过训练的模型转换为中间表示

我有一个下面给出的表格模型

class Conv3DModel(tf.keras.Model):
    def __init__(self):
        super(Conv3DModel, self).__init__()
        # Convolutions
        self.conv1 = tf.compat.v2.keras.layers.Conv3D(32, (3, 3, 3), activation='relu', name="conv1", data_format='channels_last')
        self.pool1 = tf.keras.layers.MaxPool3D(pool_size=(2, 2, 2), data_format='channels_last')
        self.conv2 = tf.compat.v2.keras.layers.Conv3D(64, (3, 3, 3), activation='relu', name="conv1", data_format='channels_last')
        self.pool2 = tf.keras.layers.MaxPool3D(pool_size=(2, 2,2), data_format='channels_last')

        # LSTM & Flatten
        self.convLSTM =tf.keras.layers.ConvLSTM2D(40, (3, 3))
        self.flatten =  tf.keras.layers.Flatten(name="flatten")

        # Dense layers
        self.d1 = tf.keras.layers.Dense(128, activation='relu', name="d1")
        self.out = tf.keras.layers.Dense(6, activation='softmax', name="output")


    def call(self, x):
        x = self.conv1(x)
        x = self.pool1(x)
        x = self.conv2(x)
        x = self.pool2(x)
        x = self.convLSTM(x)
        x = self.flatten(x)
        x = self.d1(x)
        return self.out(x)

我试着把模型转换成IR。模型是

我已经在tensorflow 1.15中训练了这个模型。目前不支持Tensorflow 2.0

现在我试着运行这个命令

python3/opt/intel/openvino/deployment\u tools/model\u optimizer/mo\u tf.py--保存的\u model\u dir jester\u trained\u models/3dcnn basic/--输出\u dir/home/deepanshu/open\u vino/udacity\u项目\u自定义\u模型/

现在我得到了以下错误

模型优化器参数：

通用参数：

• 输入模型的路径：无

• 生成IR的路径：/home/deepanshu/open\u vino/udacity\u project\u custom\u model/

• IR输出名称：已保存的\u模型

• 日志级别：错误

• 批处理：未指定，从模型继承

• 输入层：未指定，从模型继承

• 输出层：未指定，从模型继承

• 输入形状：未指定，从模型继承

• 平均值：未指定

• 比例值：未指定

• 比例系数：未指定

• 红外光谱精度：FP32

• 启用熔断：真

• 启用分组卷积融合：True

• 将平均值移动到预处理部分：False

• 反向输入通道：错误

TensorFlow特定参数：

• 文本protobuf格式的输入模型：False

• 张力板的模型转储路径：无

• 带有TensorFlow自定义层实现的共享库列表：无

• 使用输入/输出节点名称更新配置文件：无

• 使用用于生成具有对象检测API的模型的配置文件：无

• 卸载操作：无

• 要卸载的模式：无

• 使用配置文件：无

模型优化器版本：2020.1.0-61-gd349c3ba4a

[ERROR]提取节点conv3d_model/conv_lst_m2d/bias/Read/ReadVariableOp的属性时发生意外异常。原始异常消息：“ascii”编解码器无法解码位置1中的字节0xc9：序号不在范围内（128）

据我所知，是tf.keras.layers.ConvLSTM2D（40，（3，3））引起了问题。我被困在这里了。有人能告诉我在哪里可以继续吗

谢谢

编辑该问题 现在我拒绝了上面的tensorflow实现，并使用了keras。我开发的h5模型被转换成.pb格式

现在我在这个.pb文件上运行了模型优化器。使用命令

python3/opt/intel/openvino/deployment\u tools/model\u optimizer/mo\u tf.py--input\u model/home/deepanshu/ml\u playerd/jester\u freezed/tf\u model.pb--output\u dir/home/deepanshu/open\u vino/udacity\u project\u custom\u model/--input\u shape=[1,30,64,1]--数据类型FP32

现在我面临另一个问题。这里的问题是关于这一点的第97点

所以我的模型包含一个循环，而模型优化器不知道如何转换它。以前有人遇到过这个问题吗

请帮忙

这是你的电话号码

以下是keras中模型的定义

从keras.models导入顺序
从keras.layers导入Conv3D、MaxPool3D、展平、密集
来自keras.layers.voluminal_ConvLSTM2D
进口干酪
模型=顺序（）
模型添加（Conv3D（32，（3,3,3），
name=“conv1”，输入\u shape=（30,64,64,1），数据\u format='channels\u last'，
激活（='relu'））
添加（MaxPool3D（池大小=（2,2,2），数据格式=（通道最后一次））
添加（Conv3D（64，（3,3,3），activation='relu'，name=“conv2”，data\u format='channels\u last'））
添加（MaxPool3D（池大小=（2,2,2），数据格式=（通道最后一次））
模型添加（ConvLSTM2D（40，（3,3）））
model.add（展平（name=“展平”））
model.add（密集型（128，activation='relu'，name=“d1”））
添加（密集（6，activation='softmax'，name=“output”））

实际上，英特尔建议的从h5转换为.pb的脚本不够好。始终使用中的代码将keras模型转换为.pb

获得.pb文件后，现在使用将模型转换为IR

python3 /opt/intel/openvino/deployment_tools/model_optimizer/mo_tf.py --input_model ml_playground/try_directory/tf_model.pb   --output_dir /home/deepanshu/open_vino/udacity_project_custom_model/  --input_shape=[1,30,64,64,1] --data_type FP32

---

执行此脚本后，我们可以获得keras模型的中间表示

实际上，英特尔建议的从h5转换为.pb的脚本不够好。始终使用中的代码将keras模型转换为.pb

获得.pb文件后，现在使用将模型转换为IR

python3 /opt/intel/openvino/deployment_tools/model_optimizer/mo_tf.py --input_model ml_playground/try_directory/tf_model.pb   --output_dir /home/deepanshu/open_vino/udacity_project_custom_model/  --input_shape=[1,30,64,64,1] --data_type FP32

执行此脚本后，我们可以获得keras模型的中间表示