如何获取TensorFlow模型结构摘要，加载导出模型调用summary报错如何解决？

报错原因 #

你通过tf.saved_model.load加载的是TFOD API导出的部署用SavedModel格式，本质是序列化的推理计算图和权重的打包文件，返回的_UserObject是TensorFlow对非原生Keras实例的包装类，本身就没有summary()方法，所以会触发属性不存在的报错。

解决方法 #

分两种场景处理：

场景1：保留了训练时的pipeline配置和checkpoint文件（推荐）

这种方式可以拿到完整的分层模型结构，和Model Zoo官方定义的结构完全一致：

1. 准备好训练时生成的pipeline.config文件，以及对应步数的checkpoint文件（通常命名为ckpt-xxx.index、ckpt-xxx.data-00000-of-00001）
2. 运行如下代码加载模型：

import tensorflow as tf
from object_detection.builders import model_builder
from object_detection.utils import config_util

# 加载训练配置
configs = config_util.get_configs_from_pipeline_file("替换为你的pipeline.config路径")
model_config = configs["model"]

# 构建模型实例
detection_model = model_builder.build(model_config=model_config, is_training=False)

# 加载训练好的权重
ckpt = tf.train.Checkpoint(model=detection_model)
ckpt.restore("替换为你的checkpoint路径，例如./train/ckpt-5000").expect_partial()

3. 直接调用方法输出结构：

# 打印模型摘要
detection_model.summary()

# 可选：导出模型结构图片
tf.keras.utils.plot_model(detection_model, to_file="model_arch.png", show_shapes=True, show_layer_names=True)

场景2：只有导出的SavedModel，没有训练配置和checkpoint

这种方式只能拿到粗略的输入输出结构，内部分层会显示为匿名层，仅做参考：

import tensorflow as tf

# 加载SavedModel
loaded_model = tf.saved_model.load("替换为你的SavedModel路径")
infer_func = loaded_model.signatures["serving_default"]

# 封装为Keras模型
inputs = tf.keras.Input(shape=(None, None, 3), dtype=tf.uint8)
outputs = infer_func(inputs)
keras_model = tf.keras.Model(inputs=inputs, outputs=outputs)

# 打印摘要
keras_model.summary()

注意事项 #

• 不需要加载训练过程中的动态模型，也不需要重新训练，只要有对应训练产出的pipeline配置和checkpoint就能直接还原完整结构。
• 部分大模型的summary层数过多，可以通过detection_model.summary(line_length=150)调整行宽提升可读性。

内容的提问来源于stack exchange，提问作者Puki