Как я могу преобразовать свой NN в tf.lite, сохраняя при этом всю архитектуру и веса? Новое в NNs

#list #tensorflow #keras #neural-network #quantization

#Список #тензорный поток #keras #нейронная сеть #квантование

Вопрос:

Вот мой код. Я знаю, что мне нужно квантовать, но я получаю ошибку:

Ошибка значения: Не удалось клонировать модель. Обычно это происходит, если вы использовали пользовательские слои или объекты Keras в своей модели. Пожалуйста, укажите их через quantize_scope для ваших звонков на quantize_model и quantize_apply .

 text_input = tf.keras.layers.Input(shape=(), dtype=tf.string, name = 'text')  preprocessed_text = bert_preprocess(text_input)  outputs = bert_encoder(preprocessed_text)   l = tf.keras.layers.Dropout(0.1, name = 'dropout')(outputs['pooled_output'])  l = tf.keras.layers.Dense(1, activation = 'sigmoid', name = 'output')(l)   model = tf.keras.Model(inputs=[text_input], outputs=[l])    METRICS = [  tf.keras.metrics.BinaryAccuracy(name='accuracy'),  tf.keras.metrics.Precision(name='precision'),  tf.keras.metrics.Recall(name='recall')]    model.compile(  optimizer = 'adam',  loss = 'binary_crossentropy',  metrics = 'accuracy')  model.save('saved_model/my_model')      quantize_model = tfmot.quantization.keras.quantize_model  quantize_scope = tfmot.quantization.keras.quantize_scope  q_aware_model = quantize_scope(model)  q_aware_model = quantize_model(model)  q_aware_model.compile(optimizer = 'adam',  loss = "binary_crossentropy",  metrics = 'accuracy')  q_aware_model.fit(x_train, y_train, epochs = 1)  

Любой совет был бы очень признателен, так как я только изучаю нейронные сети. Спасибо!

Комментарии:

1. импортируйте панд как pd импортируйте numpy как np из matplotlib импортируйте pyplot как plt из sklearn.feature_extraction.text импортируйте счетчик из sklearn.naive_bayes импортируйте MultinomialNB из sklearn.model_selection импортируйте train_test_split из sklearn.предварительная обработка импортируйте LabelEncoder из sklearn.метрики импортируйте confusion_matrix импортируйте nltk из tensorflow импортируйте keras из keras импортируйте модели импортируйте tensorflow как tf из tensorflow.python.keras. слои импортируют лямбда-код, импортируют тензор_модель_оптимизации как tfmot