如何检测TensorFlow SavedModel的通道优先/通道后数据格式？

原生SavedModel本质是序列化的计算图和权重集合，没有Keras模型那样内置的全局层元数据，所以不存在和Keras完全等价的直接读取data_format的方法，你可以用以下两种方案判断：

方案1：模型从Keras导出的场景 #

• 优先直接用Keras接口加载：keras_model = tf.keras.models.load_model(path)，之后就可以遍历model.layers，通过层属性l.data_format判断格式，绝大多数Keras导出的SavedModel都支持该方式读取元数据。
• 如果已经用tf.saved_model.load加载完成，也可以直接读取推理签名的输入形状判断：

  loaded_model = tf.saved_model.load(path)
  infer_signature = loaded_model.signatures["serving_default"]
  # 打印输入张量的形状信息
  print(infer_signature.inputs[0].shape)
  

  常规4维图像输入的场景下：
  • 形状为(batch_size, height, width, channels)对应channels_last（通道后）
  • 形状为(batch_size, channels, height, width)对应channels_first（通道优先）

方案2：非Keras导出的原生SavedModel场景 #

直接遍历计算图节点读取卷积算子的data_format属性，该方法准确率最高，不需要依赖Keras层元数据：

loaded_model = tf.saved_model.load(path)
graph_def = loaded_model.signatures['serving_default'].graph.as_graph_def()
for node in graph_def.node:
    # 匹配2D卷积算子，也可以根据需要加Conv3D等其他算子判断
    if node.op == 'Conv2D':
        data_format = node.attr['data_format'].s.decode()
        print(f"模型数据格式为：{data_format}")
        break

注意：如果模型没有卷积算子，或者是动态输入维度的非视觉类任务，形状判断法可能失效，需要结合实际业务的输入输出约定确认格式。

内容的提问来源于stack exchange，提问作者Artyom