TensorFlow Hub的MoveNet模型：固定输入形状等三类技术问题咨询

问题1：固定输入形状为(1,256,256,3)并生成TensorFlow Lite模型 #

直接加载的MoveNet模型输入形状是动态的，需要通过包装固定输入签名后再保存，才能生成固定形状的TFLite模型：

import tensorflow as tf
import tensorflow_hub as tfhub

input_size = 256
model_url = "https://www.kaggle.com/models/google/movenet/TensorFlow2/multipose-lightning/1"
model = tfhub.load(model_url)
movenet = model.signatures['serving_default']

# 定义带固定输入签名的函数
@tf.function(input_signature=[tf.TensorSpec(shape=(1, input_size, input_size, 3), dtype=tf.int32, name='input')])
def fixed_shape_infer(input):
    return movenet(input=input)

# 保存带固定签名的模型
tf.saved_model.save(model, './fixed_shape_movenet', signatures={'serving_default': fixed_shape_infer})

# 转换为TensorFlow Lite模型
converter = tf.lite.TFLiteConverter.from_saved_model('./fixed_shape_movenet')
tflite_model = converter.convert()
with open('movenet_fixed_256.tflite', 'wb') as f:
    f.write(tflite_model)

问题2：无法显示模型摘要的解决方法 #

tfhub.load返回的是_UserObject类型，不是标准Keras模型，因此没有summary()方法。可以将其包装为Keras模型来查看摘要：

# 包装为Keras模型
input_layer = tf.keras.layers.Input(shape=(input_size, input_size, 3), batch_size=1, dtype=tf.int32, name='input')
output_tensor = model(input_layer)
keras_model = tf.keras.Model(inputs=input_layer, outputs=output_tensor)
keras_model.summary()

也可以通过以下方式查看模型的变量信息：

# 查看所有可训练变量
print("可训练变量列表:")
for var in model.trainable_variables:
    print(f"{var.name}: {var.shape}")

问题3：加载saved_model后查看输入输出形状 #

直接保存原始_UserObject可能会丢失签名信息，需要按问题1的方式保存带指定签名的模型。加载后查看输入输出形状的方法如下：

# 加载固定形状的模型
loaded_model = tf.saved_model.load('./fixed_shape_movenet')

# 查看所有可用签名
print("可用签名:", list(loaded_model.signatures.keys()))

# 获取签名并查看输入输出
infer_func = loaded_model.signatures['serving_default']
print("输入签名:", infer_func.structured_input_signature)
print("输出签名:", infer_func.structured_outputs)

如果加载的模型没有显式签名，可尝试查看模型的Concrete函数：

loaded_model = tf.saved_model.load('./saved_model')
# 遍历所有Concrete函数
for attr_name in dir(loaded_model):
    attr = getattr(loaded_model, attr_name)
    if isinstance(attr, tf.types.experimental.ConcreteFunction):
        print(f"函数{attr_name}输入形状:", attr.structured_input_signature)
        print(f"函数{attr_name}输出形状:", attr.structured_outputs)

内容的提问来源于stack exchange，提问作者Shinobu HUYUGIRI