TensorFlow 2.4.1转TFLite时提示SavedModel不存在的问题求解

你现在的操作踩了两个硬坑，光改后缀是根本跑不通的：

• 首先，格式完全不通用：你手里的.mlmodel是苹果Core ML格式的模型，和TensorFlow生态的文件内部结构完全不一样，哪怕把后缀改成.pb，对TensorFlow来说也是没法解析的无效内容，和把一个视频文件改后缀成.mp3放播放器里读不出来是一个道理。
• 其次，SavedModel不是单个文件：TensorFlow要的SavedModel是一套固定结构的文件夹，目录下必须有固定文件名的saved_model.pb，还要配套variables/、assets/子文件夹。你现在在old-models/目录下放单个模型文件，既没有固定命名的目标文件，目录结构也不对，所以才会报错找不到saved_model.pbtxt或saved_model.pb。

• 先把之前改后缀的操作撤了，别硬拿Core ML的.mlmodel冒充TensorFlow模型。先找这个模型对应的原生Keras权重文件（一般是.h5或者.keras后缀的单文件）——这个模型本来就是Keras训练出来的，原项目里大概率留了对应的原生权重，不用从Core ML版本往回倒。
• 加载模型的时候换对应接口，别硬套SavedModel的加载流程。替换后的代码直接跑就行：

import tensorflow as tf
import os.path as path

pwd = path.dirname(__file__)
# 这里直接写Keras模型的完整文件路径，不要传文件夹路径
keras_model_path = path.join(pwd, "models/old-models/DrunkKerasModel_v12_1.h5")
print("模型加载路径: ", keras_model_path)

# 直接加载Keras单文件模型
loaded_keras_model = tf.keras.models.load_model(keras_model_path)
# 用Keras模型初始化TFLite转换器
converter = tf.lite.TFLiteConverter.from_keras_model(loaded_keras_model)
tflite_model = converter.convert()

with open('model.tflite', 'wb') as f:
  f.write(tflite_model)

• 如果手上只有这个.mlmodel格式的Core ML文件，拿不到原生Keras权重，就先通过coremltools的转换接口把Core ML模型转成TensorFlow能读的Keras结构，再走上面的转换流程就行。注意你本地用的是TensorFlow 2.4.1，要装对应大版本兼容的coremltools，不然转出来的结构会报解析错误。

就算你把模型文件重命名成saved_model.pb，因为文件本身是Core ML结构，TensorFlow解析的时候还是会直接抛结构错误，别靠改后缀的方式跨格式硬加载模型。

内容的提问来源于stack exchange，提问作者kaushalyap