在modelarts上部署backend为TensorFlow的keras模型

最近老山在研究在modelarts上部署mask-rcnn，源代码提供的是keras模型。我们可以将keras转化成savedModel模型，在TensorFlow Serving上部署，可参考老山的上篇部署文章。至于输入和输出张量，到已经预先存在model.input和model.output中了。

不多说，直接上代码。

from keras import backend as K
import tensorflow as tf
# 在此之前，先加载keras模型
# 。。。
# 加载完成

with K.get_session() as sess:
    export_path = './saved_model'
    builder = tf.saved_model.builder.SavedModelBuilder(export_path)

    signature_inputs = {
        'input_image': tf.saved_model.utils.build_tensor_info(model.input[0]),
        'input_image_meta': tf.saved_model.utils.build_tensor_info(model.input[1]),
        'input_anchors': tf.saved_model.utils.build_tensor_info(model.input[2]),
    }

    signature_outputs = {
        'mrcnn_detection':tf.saved_model.utils.build_tensor_info(model.output[0]),
        'mrcnn_class':tf.saved_model.utils.build_tensor_info(model.output[1]),
        'mrcnn_bbox':tf.saved_model.utils.build_tensor_info(model.output[2]),
        'mrcnn_mask':tf.saved_model.utils.build_tensor_info(model.output[3]),
        'ROI':tf.saved_model.utils.build_tensor_info(model.output[4]),
        'rpn_class':tf.saved_model.utils.build_tensor_info(model.output[5]),
        'rpn_bbox':tf.saved_model.utils.build_tensor_info(model.output[6]),        
    }

    classification_signature_def = tf.saved_model.signature_def_utils.build_signature_def(
        inputs=signature_inputs,
        outputs=signature_outputs,
        method_name=tf.saved_model.signature_constants.PREDICT_METHOD_NAME)

    builder.add_meta_graph_and_variables(
        sess,
        [tf.saved_model.tag_constants.SERVING],
        signature_def_map={
            'root': classification_signature_def
        },
    )

    builder.save()

如果您觉得老山的文章不错，不妨点击下关注。