无法将tf.keras.layers.ConvLSTM2D层转换为开放的vino中间表示形式

Question

我正在尝试将张量流中经过训练的模型转换为Open VINO中间表示。

我有下面给出的形式的模型

class Conv3DModel(tf.keras.Model):
    def __init__(self):
        super(Conv3DModel, self).__init__()
        # Convolutions
        self.conv1 = tf.compat.v2.keras.layers.Conv3D(32, (3, 3, 3), activation='relu', name="conv1", data_format='channels_last')
        self.pool1 = tf.keras.layers.MaxPool3D(pool_size=(2, 2, 2), data_format='channels_last')
        self.conv2 = tf.compat.v2.keras.layers.Conv3D(64, (3, 3, 3), activation='relu', name="conv1", data_format='channels_last')
        self.pool2 = tf.keras.layers.MaxPool3D(pool_size=(2, 2,2), data_format='channels_last')

        # LSTM & Flatten
        self.convLSTM =tf.keras.layers.ConvLSTM2D(40, (3, 3))
        self.flatten =  tf.keras.layers.Flatten(name="flatten")

        # Dense layers
        self.d1 = tf.keras.layers.Dense(128, activation='relu', name="d1")
        self.out = tf.keras.layers.Dense(6, activation='softmax', name="output")


    def call(self, x):
        x = self.conv1(x)
        x = self.pool1(x)
        x = self.conv2(x)
        x = self.pool2(x)
        x = self.convLSTM(x)
        x = self.flatten(x)
        x = self.d1(x)
        return self.out(x)

我试图将模型转换为IR。型号为here。

我已经在tensorflow 1.15中训练了这个模型。目前不支持Tensorflow 2.0。

现在我尝试运行命令

python3 /opt/intel/openvino/deployment_tools/model_optimizer/mo_tf.py --saved_model_dir jester_trained_models / 3dcnn-basic / --output_dir / home / deepanshu / open_vino / udacity_project_custom_model /

现在我出现以下错误

Model Optimizer参数：

常用参数：

• 输入模型的路径：无

• 生成IR的路径：/ home / deepanshu / open_vino / udacity_project_custom_model /

• IR输出名称：save_model

• 日志级别：错误

• 批次：未指定，继承自模型

• 输入图层：未指定，从模型继承

• 输出层：未指定，从模型继承

• 输入形状：未指定，继承自模型

• 平均值：未指定

• 标尺值：未指定

• 比例因子：未指定

• IR的精度：FP32

• 启用定影：真

• 启用分组卷积融合：True

• 将平均值移至预处理部分：False

• 反向输入通道：False

TensorFlow特定参数：

• 文本原型格式的输入模型：False

• TensorBoard的模型转储路径：无

• 具有TensorFlow自定义层实现的共享库列表：无

• 使用输入/输出节点名称更新配置文件：无

• 使用用于通过对象检测API生成模型的配置文件：无

• 要卸载的操作：无

• 要卸载的模式：无

• 使用配置文件：无

模型优化器版本：2020.1.0-61-gd349c3ba4a

[错误]提取节点conv3d_model / conv_lst_m2d / bias / Read / ReadVariableOp的属性时发生意外异常。原始异常消息：“ ascii”编解码器无法解码位置1的字节0xc9：序数不在范围内（128）

据我所知，这是tf.keras.layers.ConvLSTM2D（40，（3，3））引起的问题。我有点卡在这里。谁能告诉我在哪里可以继续进行？

谢谢

编辑问题

现在我拒绝了上述的tensorflow实现，并使用了keras。我开发的h5模型使用此post转换为.pb格式。

现在，我在此.pb文件上运行模型优化器。使用命令

python3 /opt/intel/openvino/deployment_tools/model_optimizer/mo_tf.py --input_model /home/deepanshu/ml_playground/jester_freezed/tf_model.pb --output_dir /home/deepanshu/open_vino/udacity_project_custom_model/ --input_shape=[1,30,64,64,1] --data_type FP32

现在我面临另一个问题。这里的问题是要点。 97

在此post上。

因此，我的模型包含一个循环，模型优化器不知道如何转换它。有人遇到过这个问题吗？

请帮助。

这里是model。

这里是喀拉拉邦模型的定义

from keras.models import Sequential

from keras.layers import Conv3D , MaxPool3D,Flatten ,Dense

from keras.layers.convolutional_recurrent import ConvLSTM2D

import keras


model = Sequential()

model.add(Conv3D(32, (3, 3, 3), 

         name="conv1" , input_shape=(30, 64, 64,1) ,  data_format='channels_last',

        activation='relu') )

model.add(MaxPool3D(pool_size=(2, 2, 2), data_format='channels_last'))

model.add(Conv3D(64, (3, 3, 3), activation='relu', name="conv2", data_format='channels_last'))

model.add(MaxPool3D(pool_size=(2, 2,2), data_format='channels_last'))

model.add(ConvLSTM2D(40, (3, 3)))

model.add(Flatten(name="flatten"))

model.add(Dense(128, activation='relu', name="d1"))

model.add(Dense(6, activation='softmax', name="output"))

我正在尝试将张量流中经过训练的模型转换为Open VINO中间表示。我有一个在类Conv3DModel（tf.keras.Model）下给出的形式的模型：def __init __（self）：...

Answer 1

实际上，intel建议的将h5转换为.pb的脚本还不够好。始终使用here中的代码将您的keras模型转换为。pb