使用TensorFlow Lite转换Keras模型报错：无from_keras_model_file属性

错误信息 #

执行模型转换代码时触发以下错误：

converter = tf.lite.TFLiteConverter.from_keras_model_file('models/modelo.h5')
AttributeError: type object 'TFLiteConverterV2' has no attribute 'from_keras_model_file'

完整复现代码 #

import tensorflow as tf
from tensorflow import keras


# 加载数据集
mnist = keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

# 自定义回调（注释状态）
# class myCallback(tf.keras.callbacks.Callback):
#   def on_epoch_end(self, epoch, logs={}):
#     # TF1.x中需将'accuracy'改为'acc'
#     if(logs.get('accuracy')>0.99):
#       print("\n准确率达到99.0%，终止训练！")
#       self.model.stop_training = True

# 构建模型
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 训练模型
model.fit(x_train, 
          y_train, 
          epochs=25,)
#          callbacks=[myCallback()])

# 评估模型
model.evaluate(x_test, y_test)

# 保存模型
model.save('models/modelo.h5')

# 转换模型（报错代码）
converter = tf.lite.TFLiteConverter.from_keras_model_file('models/modelo.h5')
tflite_model = converter.convert()
open("models/converted_mnist_model.tflite", "wb").write(tflite_model)

解决方案 #

错误原因是TensorFlow 2.x 已移除from_keras_model_file方法，该方法属于TF1.x的旧API，以下是三种可行的替代方案：

方案1：直接用训练好的模型对象转换 #

无需先保存再加载，训练完成后直接使用内存中的model对象转换，步骤最少：

# 替换原转换代码段
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()
open("models/converted_mnist_model.tflite", "wb").write(tflite_model)

方案2：加载.h5模型后转换 #

如果需要从已保存的.h5文件加载，先通过Keras加载模型再转换：

# 加载.h5格式模型
loaded_model = tf.keras.models.load_model('models/modelo.h5')
# 转换为TFLite格式
converter = tf.lite.TFLiteConverter.from_keras_model(loaded_model)
tflite_model = converter.convert()
open("models/converted_mnist_model.tflite", "wb").write(tflite_model)

方案3：使用SavedModel格式（TF2.x推荐） #

TF2.x推荐使用SavedModel格式保存模型，兼容性更好：

1. 修改模型保存代码：

# 替换原model.save('models/modelo.h5')
model.save('models/saved_model')  # 保存为SavedModel格式

2. 修改转换代码：

# 替换原转换代码段
converter = tf.lite.TFLiteConverter.from_saved_model('models/saved_model')
tflite_model = converter.convert()
open("models/converted_mnist_model.tflite", "wb").write(tflite_model)

内容的提问来源于stack exchange，提问作者mauricio