TensorFlow 2.4导出pb模型遇FastGFile属性缺失报错解决求助
问题根因梳理
tf.io.gfile.FastGFile是TensorFlow 1.x时代的专属高速文件读写类,从TensorFlow 2.0开始该类被逐步废弃,2.4版本已经彻底从官方接口中移除。当前2.x版本中tf.io.gfile.GFile已经完全继承了原FastGFile的高速读写实现,无性能差异,直接调用不存在的FastGFile会直接抛出属性缺失错误。- 之前尝试引入tensorboard做兼容的方案属于场景误用:tensorboard提供的
tensorflow_stub是专门为日志记录模块设计的轻量化裁剪版TF接口集,本身没有实现模型导出、全量IO操作的相关功能,把系统的tf.io.gfile模块替换成这个裁剪版,只会引入更多属性缺失报错,无法解决FastGFile不存在的核心问题。 - 除了接口调用问题,现有导出逻辑本身存在计算图接入错误,就算解决了文件读写的报错,导出的.pb文件也无法被后续的ONNX转换流程识别。
分步修复方案
- 移除错误的兼容代码
直接删掉之前添加的两行兼容逻辑:
避免轻量化裁剪版的stub接口替换正常的TF IO模块,引发更多未知报错。import tensorboard as tb tf.io.gfile = tb.compat.tensorflow_stub.io.gfile - 替换不存在的FastGFile调用
把原来的文件读写代码段:
直接替换为当前版本支持的通用GFile调用:with tf.io.gfile.FastGFile('tfmodel.pb', mode='wb') as f: f.write(constant_graph.SerializeToString())with tf.io.gfile.GFile('tfmodel.pb', mode='wb') as f: f.write(constant_graph.SerializeToString()) - 修正计算图导出逻辑
原有会话块中手动把numpy数组传入tf操作的写法,完全不会接入训练好的U-Net计算图,导出的模型没有实际训练权重,属于无效导出。将会话块代码替换为以下逻辑,保证导出的是训练完成的完整模型:tf.compat.v1.disable_eager_execution() from tensorflow.python.framework import graph_util with tf.Session() as sess: # 初始化会话全局变量 sess.run(tf.global_variables_initializer()) # 将训练完成的U-Net模型权重加载到当前会话图 sess.run(unet.weights) # 为输出节点明确命名,和后续转换逻辑对齐 output_node = tf.identity(unet.output, name="output") # 将图中的所有变量固化为常量,生成可部署的冻结图 constant_graph = graph_util.convert_variables_to_constants( sess, sess.graph_def, ["output"] ) # 固化后的模型写入pb文件 with tf.io.gfile.GFile('tfmodel.pb', mode='wb') as f: f.write(constant_graph.SerializeToString()) # 可选:打印实际的输入节点名,避免后续ONNX转换参数错配 print("图中的输入节点:", [n.name for n in constant_graph.node if n.op == 'Placeholder']) - 对齐ONNX转换的参数
原有转换命令中指定输入为input:0,和Keras默认生成的输入节点名不匹配。根据上面代码打印的实际输入节点名(一般为input_1:0)调整转换命令即可:python3 -m tf2onnx.convert --opset 11 --input tfmodel.pb --inputs 实际打印的输入节点名 --outputs output:0 --output tfmodel.onnx
额外注意:原有代码中在会话块里写的
tf.image.resize_bilinear相关操作,是把numpy数组直接喂给tf算子的无效逻辑。因为关闭动态图后tf算子只识别张量输入,numpy数组不会自动关联到计算图,这部分逻辑可以直接删除,对模型导出没有任何帮助。
内容的提问来源于stack exchange,提问作者user5739619
相关产品推荐
相关产品推荐

