如何使用TensorFlow Hub加载模型并进行预测？

Question

这应该是一个简单的任务：下载以tensorflow_hub格式保存的模型，使用tensorflow_hub加载，然后使用..

这是我尝试使用的模型（存储在Google Cloud中的simCLR）：https://console.cloud.google.com/storage/browser/simclr-checkpoints/simclrv2/pretrained/r50_1x_sk0;tab=objects? pageState=(%22StorageObjectListTable%22:(%22f%22:%22%255B%255D%22))&prefix=&forceOnObjectsSortingFiltering=false

我按照他们的说法下载了 /hub 文件夹，使用

gsutil -m cp -r \
"gs://simclr-checkpoints/simclrv2/pretrained/r50_1x_sk0/hub" \

.

/hub 文件夹包含以下文件：

/saved_model.pb
/tfhub_module.pb
/variables/variables.index
/variables/variables.data-00000-of-00001

到目前为止一切顺利。 现在在 python3、tensorflow2、tensorflow_hub 0.12 中，我运行以下代码：

import numpy as np
import tensorflow as tf
import tensorflow_hub as hub

path_to_hub = '/home/my_name/my_path/simclr/hub'

# Attempt 1
m = tf.keras.models.Sequential([hub.KerasLayer(path_to_hub, input_shape=(224,224,3))])

# Attempt 2

m = tf.keras.models.Sequential(hub.KerasLayer(hubmod))
m.build(input_shape=[None,224,224,3])


# Attempt 3

m = hub.KerasLayer(hub.load(hubmod))

# Toy Data Test

X = np.random.random((1,244,244,3)).astype(np.float32)

y = m.predict(X)

这 3 个加载集线器模型的选项都不起作用，并出现以下错误：

Attempt 1 :

ValueError: Error when checking input: expected keras_layer_2_input to have shape (224, 224, 3) but got array with shape (244, 244, 3)

Attempt 2:

tensorflow.python.framework.errors_impl.UnknownError:  Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above.
     [[{{node sequential_3/keras_layer_3/StatefulPartitionedCall/base_model/conv2d/Conv2D}}]] [Op:__inference_keras_scratch_graph_46402]

Function call stack:
keras_scratch_graph

Attempt 3:

ValueError: Expected a string, got <tensorflow.python.training.tracking.tracking.AutoTrackable object at 0x7fa71c7a2dd0>

这 3 次尝试都是取自 tensorflow_hub 教程的代码，并在 stackoverflow 的其他答案中重复，但没有一个有效，而且我不知道如何从这些错误消息中继续。

感谢任何帮助，谢谢。

更新1： 如果我尝试使用此 ResNet50 集线器/，也会发生同样的问题 https://storage.cloud.google.com/simclr-gcs/检查点/ResNet50_1x.zip

Answer 1

正如@frightera指出的那样，输入形状存在错误。另外，通过允许在选定的GPU上的内存增长来解决“尝试2”的误差。 “尝试3”仍然不起作用，但至少有两种加载和使用保存在 /集线器格式的模型的方法：

import numpy as np
import tensorflow as tf
import tensorflow_hub as hub   

gpus = tf.config.experimental.list_physical_devices('GPU')
tf.config.experimental.set_visible_devices(gpus[0], 'GPU')
tf.config.experimental.set_memory_growth(gpus[0], True)


hubmod = 'https://tfhub.dev/google/imagenet/mobilenet_v2_035_96/feature_vector/5'

# Alternative 1 - Works!

m = tf.keras.models.Sequential([hub.KerasLayer(hubmod, input_shape=(96,96,3))])
print(m.summary())

# Alternative 2 - Works!

m = tf.keras.models.Sequential(hub.KerasLayer(hubmod))
m.build(input_shape=[None, 96,96,3])
print(m.summary())

# Alternative 3 - Doesnt work

#m = hub.KerasLayer(hub.load(hubmod))
#m.build(input_shape=[None, 96,96,3])
#print(m.summary())

# Test

X = np.random.random((1,96,96,3)).astype(np.float32)
y = m.predict(X)

print(y.shape)