TensorFlow1转TensorFlow2时detection_graph.as_default()报AttributeError如何解决

错误原因 #

你混淆了tf.Graph和tf.GraphDef两个类的功能定位：

• TensorFlow 1.x中的tf.Graph()是计算图实例类，才具备as_default()上下文管理器方法
• 你修改后的代码错误地将第一行的实例化对象换成了tf.compat.v1.GraphDef()，该类是序列化冻结图二进制内容的存储容器，本身不存在as_default属性，因此触发AttributeError。

修复代码（兼容模式） #

如果沿用原TensorFlow 1.x的图逻辑写法，只需修正第一行的实例化类即可：

detection_graph = tf.compat.v1.Graph()
with detection_graph.as_default():
  od_graph_def = tf.compat.v1.GraphDef()
  with tf.io.gfile.GFile(PATH_TO_FROZEN_GRAPH, 'rb') as fid:
    serialized_graph = fid.read()
    od_graph_def.ParseFromString(serialized_graph)
    tf.compat.v1.import_graph_def(od_graph_def, name='')

如果后续需要通过会话执行模型推理，建议在代码开头添加禁用TensorFlow 2默认eager执行的语句：

import tensorflow as tf
tf.compat.v1.disable_eager_execution()

可选：TensorFlow 2原生适配方案 #

如果不想使用兼容模式的图上下文，可以直接将冻结图转换为TensorFlow 2原生可调用函数：

def load_frozen_graph(model_path):
    # 加载冻结图二进制内容
    with tf.io.gfile.GFile(model_path, 'rb') as f:
        graph_def = tf.compat.v1.GraphDef()
        graph_def.ParseFromString(f.read())
    
    # 包装为TF2可调用函数
    wrapped_model = tf.compat.v1.wrap_function(
        lambda: tf.compat.v1.import_graph_def(graph_def, name=''), 
        []
    )
    # 替换为你的模型实际输入、输出张量名称
    input_tensor = wrapped_model.graph.get_tensor_by_name('input:0')
    output_tensor = wrapped_model.graph.get_tensor_by_name('detection_out:0')
    return wrapped_model.prune(feeds=input_tensor, fetches=output_tensor)

# 调用示例
model = load_frozen_graph(PATH_TO_FROZEN_GRAPH)
prediction = model(your_input_data)

内容的提问来源于stack exchange，提问作者TourEiffel