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Tensorflow 无法将tf.keras.layers.ConvLSTM2D层转换为open vino中间表示,tensorflow,keras,lstm,intel,openvino,Tensorflow,Keras,Lstm,Intel,Openvino,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=
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
- 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
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