Tensorflow &引用；未知（自定义）损失函数“；在{tf2.0.0-beta1；Keras}模型上使用tflite_convert时 总结

我的问题由以下部分组成：

• 我展示我的项目、工作环境和工作流程的背景
• 细节问题
• 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Python Keras实现，它是原始超分辨率GAN的降级版本。现在我想用谷歌Firebase机器学习工具包测试它，把它放在谷歌服务器上。这就是为什么我必须将Keras程序转换为TensorFlow Lite程序

环境和工作流（有问题） 我正在谷歌Colab工作环境上培训我的程序：在那里，我安装了

TF2.0.0-beta1

（这个选择的动机是这个不正确的答案：）

工作流程（和问题）：

我在本地编写Python Keras程序，记住它将在TF2上运行。因此，我使用TF2导入，例如：

来自tensorflow.keras.optimizers导入Adam

，以及

来自tensorflow.keras.layers导入Conv2D、批次标准化

我将代码发送到我的驱动器

我毫无问题地运行我的Google Colab笔记本：TF2被使用

我在驱动器中获取输出模型，然后下载它

我尝试通过执行以下CLI将此模型转换为TFLite格式：

TFLite\u convert--output\u file=srgan.TFLite--keras\u model\u file=srgan.h5

：这里出现了问题

问题 以前的CLI没有从TF（Keras）模型输出TF Lite转换模型，而是输出以下错误：

ValueError:未知损耗函数：构建\u vgg19\u损耗\u网络

函数

build_vgg19_loss_network

是我已经实现的自定义loss函数，必须由GAN使用

引起此问题的代码部分 介绍自定义损失函数 自定义损失函数的实现方式如下：

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)))

使用自定义损耗函数编译发电机网络

generator\u model.compile（优化器=优化器，loss=build\u vgg19\u loss\u网络）

为了解决这个问题我试着做了什么

正如我在StackOverflow（本问题开头的链接）上读到的，TF2被认为足以输出Keras模型，该模型将由我的

tflite\u convert

CLI正确处理。但显然不是

当我在GitHub上读到它时，我尝试在Keras的损失函数中手动设置我的自定义损失函数，方法是添加以下行：

import tensorflow.Keras.loss
tensorflow.keras.loss.build_vgg19_loss_network=build_vgg19_loss_network

。它不起作用

我在GitHub上读到，我可以使用带有

load\u model

Keras函数的自定义对象：但我只想使用

compile

Keras函数。不

加载\u模型

我的最后一个问题

---

我只想对我的代码做一些小的修改，因为它工作得很好。例如，我不想将

compile

替换为

load\u model

。有了这个限制，您能否帮助我使我的CLI

tflite\u convert

与我的自定义丢失功能一起工作？

既然您声称tflite转换由于自定义丢失功能而失败，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\u optimizer

参数设置为False，如下所示：

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

现在，如果模型中的所有图层都是可转换的，那么它们应该转换为TFLite文件

编辑： 然后，您可以按如下方式转换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)

---

克服TFLite转换中不支持的运算符的通常做法是。

我也有同样的错误。我建议将损失更改为“mse”，因为您已经有一个经过良好训练的模型，并且不需要使用.tflite文件进行训练。

为什么不将pb文件中的权重加载到网络中，然后使用我在回答中显示的API以h5或saved_模型格式保存模型。然后，您可以使用这个Python API本身将h5或保存的_模型格式转换为TFLite：您能告诉我错误的名称吗？我想这是一个警告。能否在目录中检查是否创建了tflite文件？如果没有，请将您的h5文件上传到某个地方并共享链接，以便检查。我已编辑代码以转换h5文件。您的h5文件正在使用上述代码进行转换。如果您需要，我可以为您上载tflite文件。这是下载该文件的链接：我无法在CPU中转换它。我使用了Google Colab中提供的免费GPU。只需添加“优化器”和“编译”对于使用模型来说根本不是必需的。优化器的唯一作用是“培训”。如果模型已经被训练，而你不再训练它，你就不需要优化器或损失。这并不能真正回答问题。如果您有不同的问题，可以单击以提问。一旦你有足够的时间，你也可以吸引更多的注意力-