KerasモデルをTensroFlowモデルに変換したい
Keras（今回は、TensorFlow内蔵のKerasを使用する前提です）で学習したモデル(.h5）をTensorFlowモデル（.pb）に変換して使いたくなったときに色々ハマったのでメモです。
バージョンは以下の前提です。
- TensorFlow==1.15.0
- Mac OS 10.13.6（変換時）
- Keras==2.3.1（変換時）
モデルの学習時と変換時でTensorFlowのバージョンは合わせておくのが良いでしょう。単体のKerasは変換のときのみ使用します（学習時は、TensorFlow内蔵のKerasのみでOKです）。私の環境では、Kerasのバージョンが、新し過ぎてもエラーになったので注意しましょう。
学習
この記事の本題ではないので省略します。TensorFlow内蔵のKerasで学習して下さい。今回はGoogle Colaboratoryを使用しました。学習に関して詳しく知りたい方は、Keraのチュートリアルや以下参考記事を参照下さい。
ラズパイマガジン2020年2月号にAI特集記事を寄稿しました
「Google Colaboratory」を使って簡単にディープラーニングで画像認識ができるチュートリアル
KerasモデルとTensorFlowモデルの変換
以下リポジトリのkeras_to_tensorflow.pyというスクリプトで変換できます。
GitHub:amir-abdi/keras_to_tensorflow
ただ、そのままだと私の環境では不都合だったので、forkして修正したリポジトリを用意しました。
GitHub:karaage0703/keras_to_tensorflow
変更点は以下です。
- TensorFlow内臓のKerasで学習したモデルが読み込めなかったので修正
- pbデータを確認するスクリプトを追加
使用する場合は、以下でcloneして変更したブランチをcheckoutして下さい。
$ git clone https://github.com/karaage0703/keras_to_tensorflow
$ git checkout develop
変換するコマンドはREADMEに書いてありますが、スクリプトと同じディレクトリにmode.h5というKerasモデルを置いた場合は以下となります。
$ python keras_to_tensorflow.py --input_model="model.h5" --output_model="model.pb"
TensorFlow内蔵のKerasで学習した場合、最初ValueError: Unknown initializer: GlorotUniformというエラーが出たので、以下のようにスクリプトをTensorFlow内蔵のKerasを使用するように書き換えて対応しています。
- model = keras.models.load_model(input_model_path)
+ model = tf.keras.models.load_model(input_model_path)
他、Kerasのバージョンによっては、以下のようなエラーが出たので、冒頭のKerasのバージョンに変えることで対処しました。
Error while reading resource variable dense/bias from Container: localhost. This could mean that the variable was uninitialized. Not found: Container localhost does not exist h5 pb
TensorFlowモデルの中身確認
TensorFlowモデル（.pb）に変換できましたが、どう使えばよいのかわかりませんね。
そのためにpbファイルの中身を確認するスクリプトを用意しました。以下コマンドで、先ほど作成したpbファイルの中身をチェックできます。
$ python check_pb.py -m='model.pb' --logdir='LOGDIR'
ずらずらと、モデルのレイヤーの情報がテキストで表示されます。
TensorBoardを使えば、きれいに可視化された情報が見れます。TensorBoardは、以下コマンドを実行して下さい。
$ tensorboard --logdir='LOGDIR'
あとは、ブラウザ（Google Chromeを使いました）で以下アドレスにアクセスします。
http://localhost:6006/
最初画面にimportというテキストが表示されているので、ダブルクリックすると以下のようにモデルの中身が表示されます。
これでpbファイルの中身が見えましたね。
変換したpbファイルの使い方
入力のレイヤーがimport/conv2d_input:0で出力のレイヤーがimport/activation_3/Softmax:0と分かったので、例えば入力に対してモデルの出力を得たい場合は、モデルを読み込んだ後に以下のように書きます。
output_tensor = sess.graph.get_tensor_by_name('import/activation_3/Softmax:0')
output = sess.run(output_tensor, feed_dict = {'import/conv2d_input:0': X})
print(output)
画像の推論をする場合の簡単な例を、リポジトリにload_pb.pyという名前で保存してあります。
まとめ
KerasモデルをTensorFlowモデルに変換して使用するまでをまとめてみました。変換するまでしか書いてなくて、どう使ってよいかちょっと手間取ったのでまとめてみました。しかし、やはり生TensorFlowはできれば触りたくないですね。