h5转pb后用OpenVINO mo_tf转IR报_UserObject无add_slot属性

问题原因 #

这个报错不是你h5转pb的核心逻辑错误，是TensorFlow版本和OpenVINO 2021.4的兼容限制，以及SavedModel导出时携带了多余的训练状态导致的：

• OpenVINO 2021.4版本的模型优化器（MO）原生最高适配TensorFlow 2.4.x，如果你用TF2.5及以上版本导出SavedModel，TF2.5之后修改了优化器、自定义对象的序列化逻辑，封装的_UserObject结构无法被低版本MO识别，就会触发这个报错。
• 你直接调用model.save默认会把优化器、训练配置、自定义回调等非推理必需的对象序列化进SavedModel，这些冗余对象也会导致MO加载失败。

解决方案 #

按优先级依次尝试：

1. 导出SavedModel时过滤训练状态
   加载h5模型和导出阶段都去掉训练相关配置，只保留推理计算图：

import tensorflow as tf
# 加载h5时不加载训练配置
model = tf.keras.models.load_model("你的模型路径.h5", compile=False)
# 导出SavedModel时不保存优化器，指定格式为tf
model.save("./OCT_savedmodel", save_format="tf", include_optimizer=False)

导出完成后再用原MO命令尝试转换即可。

2. 改用冻结pb格式导出
   如果第一种方法无效，直接导出冻结计算图的pb文件，避开SavedModel的兼容问题：

import tensorflow as tf
from tensorflow.python.framework.convert_to_constants import convert_variables_to_constants_v2

# 加载h5模型
model = tf.keras.models.load_model("你的模型路径.h5", compile=False)
# 转为可追踪的TF函数
infer_func = tf.function(lambda x: model(x)).get_concrete_function(
    tf.TensorSpec(model.inputs[0].shape, model.inputs[0].dtype)
)
# 所有变量转常量，冻结计算图
frozen_graph = convert_variables_to_constants_v2(infer_func)
# 写入冻结pb文件
tf.io.write_graph(
    graph_or_graph_def=frozen_graph.graph,
    logdir="./frozen_model",
    name="oct_model.pb",
    as_text=False
)

转换MO的命令对应修改为：

python mo_tf.py --input_model ./frozen_model/oct_model.pb --input_shape [1,256,256,3] --data_type FP16

3. 版本适配或升级

• 保持导出SavedModel用的TensorFlow版本不高于2.4.x，匹配OpenVINO 2021.4的兼容要求
• 直接升级OpenVINO到2022.1及以上版本，该版本之后大幅优化了TF2 SavedModel的兼容能力，大部分这类序列化报错都会被自动修复。

内容的提问来源于stack exchange，提问作者TseHsien