TF2.4 目标检测saved_model转frozen graph报无model.inputs属性及加载异常
问题根因定位
- 两个报错本质都不是训练生成的saved_model文件损坏:通过
saved_model_cli能读到完整的serving_default签名、训练流程无报错、Tensorboard损失收敛正常,已经能证明模型文件符合Object Detection API的导出规范。 - 第一个
AttributeError的来源:tf.saved_model.load返回的_UserObject是低层API加载的用户对象,本身不带有TF1.x时代模型类自带的.inputs/.outputs属性,直接读取该属性必然触发报错。 - 第二个keras加载的
IndexError的来源:ODAPI导出的saved_model是按低层tf.saved_model格式生成的,不是标准的tf.keras序列化格式,TF2.4版本下keras加载逻辑需要读取模型内置的全量concrete function列表,而ODAPI导出的文件没有提前生成空的列表占位,因此触发索引越界。
适配TF2.4环境的frozen graph转换流程
按照以下步骤操作即可绕开报错完成转换:
- 显式从saved_model的签名字典中取出推理入口,不要直接用顶层加载对象做属性读取:
import tensorflow as tf # 加载模型 model = tf.saved_model.load(export_dir=model_path) # 取服务签名对应的可调用推理函数 infer_entry = model.signatures["serving_default"] - 验证函数输入输出规格,和之前
saved_model_cli的输出做匹配:# 打印结果应和cli输出一致:(1, None, None, 3) uint8 print(infer_entry.inputs[0].shape, infer_entry.inputs[0].dtype) - 构造具体张量图,替代之前报错的lambda包装逻辑:
concrete_infer = infer_entry.get_concrete_function( # 直接按已知的输入规格传参,不需要从顶层model读属性 tf.TensorSpec([1, -1, -1, 3], tf.uint8, name="input_tensor") ) - 导出冻结后的推理图:
from tensorflow.python.framework.convert_to_constants import convert_variables_to_constants_v2 # 将可训练变量全部冻结为常量 frozen_graph = convert_variables_to_constants_v2(concrete_infer) # 写入本地磁盘 tf.io.write_graph( graph_or_graph_def=frozen_graph.graph, logdir=frozen_output_dir, name="frozen_inference_graph.pb", as_text=False )
操作避坑提示
- 不要直接用
tf.keras.models.load_model加载ODAPI导出的saved_model,该路径在TF2.4版本下和ODAPI的导出逻辑不兼容,无适配必要,直接走低层signatures加载路径即可。 - 不要把顶层的
model对象直接做lambda包装后取concrete function,该对象没有绑定默认的推理签名,必须显式指定model.signatures["serving_default"]作为推理入口,才能拿到正确的张量定义。
内容的提问来源于stack exchange,提问作者jduff1075
相关产品推荐
相关产品推荐

