Etapa 1: Converter o modelo Keras H5 para o formato SavedModel
- Instalar dependências:
cd \deployment_tools\model_optimizer\install_prerequisites
install_prerequisites_tf2.bat - Carregue o modelo usando TensorFlow* 2 e serialize-o no formato SavedModel.
import tensorflow as tf
model = tf.keras.models.load_model('model.h5')
tf.saved_model.save(model,'model') - Opcional: modelo com uma camada personalizada CustomLayer de custom_layer.py:
import tensorflow as tf
from custom_layer import CustomLayer
model = tf.keras.models.load_model('model.h5', custom_objects={'CustomLayer': CustomLayer})
tf.saved_model.save(model,'model')
Etapa 2: Converta o formato SavedModel em Representação Intermediária
- Mude o diretório para /deployment_tools/model_optimizer
- Execute o script mo_tf.py com um caminho para o diretório SavedModel e um diretório de saída contorcível:
python mo_tf.py --saved_model_dir --output_dir --input_shape