如何将.pb格式的SavedModel模型转换为Keras的.h5格式模型？

.pb格式SavedModel转.h5格式的实现方案 #

tf.saved_model.load加载得到的是SavedModel实例，不是原生Keras模型对象，无法直接保存为.h5格式，需根据模型来源选择对应方案：

• 如果该.pb模型是Keras训练后通过model.save()导出的SavedModel格式：
  直接添加compile=False参数加载，再保存为.h5即可，示例代码：

  # 加载SavedModel目录
  model = tf.keras.models.load_model(input_model_path, compile=False)
  # 保存为h5格式
  model.save("output_model.h5")
  

• 如果该.pb模型是非Keras训练导出的SavedModel（比如TensorFlow 1.x导出、第三方工具导出的模型）：
  先获取推理签名，再手动封装为Keras模型后保存，示例代码：

  # 加载SavedModel
  loaded_model = tf.saved_model.load(input_model_path)
  # 获取默认推理签名
  infer = loaded_model.signatures["serving_default"]
  # 按照实际输入输出调整shape和名称，此处以输入为(None, 224, 224, 3)的图像、输出单张量为例
  input_layer = tf.keras.Input(shape=(224,224,3), name="input")
  output_layer = infer(input_layer)["output_name"] # 替换为实际输出节点的名称
  # 封装为Keras模型
  keras_model = tf.keras.Model(inputs=input_layer, outputs=output_layer)
  # 保存为h5格式
  keras_model.save("output_model.h5")
  

  注意：封装时需要将示例中的输入shape、输出节点名称替换为你模型的实际参数，可通过print(infer.structured_outputs)查看输出节点信息

tf.keras.models.load_model加载.pb报IndexError的解决方法 #

该报错的核心原因是tf.keras.models.load_model默认加载Keras原生格式的模型，当目标文件缺少Keras元数据、路径配置错误时就会触发索引异常，可按以下步骤排查：

• 检查传入路径是否正确：tf.keras.models.load_model加载SavedModel时需要传入整个SavedModel目录的路径，不要直接指向单个.pb文件，目录下需同时存在saved_model.pb文件和variables目录
• 加载时添加compile=False参数：跳过模型编译阶段的元数据校验，可解决大部分Keras导出的SavedModel加载报错问题，用法为model = tf.keras.models.load_model(input_model_path, compile=False)
• 确认模型来源：如果是TensorFlow 1.x或者非Keras框架导出的SavedModel，不要直接用tf.keras.models.load_model加载，改用上述封装为Keras模型的方案即可

内容的提问来源于stack exchange，提问作者lkuebler