[ML&AI] tensorflow model TFLite 모델 변환하기** ValueError: Only input tensors may be passed as positional arguments. The following argument value should be passed as a keyword argument: 3.0 (of type <class 'float'>)**

 

 

💦tensorflow 버전 2.17.0 버전을 사용중

*️⃣ 모바일장치에 직접 넣기 위해 경량화된 딥러닝 모델인 MobileNet-MobileNetV3Small 사용

     🥦 특징 : 가볍고 계산량이 적다 

     🥦 작은 크기와 빠른속도를 유지하면서 이미지 분류 작업에 뛰어난 성능 발휘가능

 

 

 

https://www.tensorflow.org/api_docs/python/tf/keras/applications/MobileNetV3Small

tf.keras.applications.MobileNetV3Small  |  TensorFlow v2.16.1

 

tf.keras.applications.MobileNetV3Small(
    input_shape=None,  #이미지 크기 자동설정 - 일반적으로 (224,224,3)
    alpha=1.0,  #모델크기와 성능조절 -> 값이 낮아질수록 작고 빠르며 성능이 낮아짐
    minimalistic=False,
    include_top=True, #최상단 분류레이어 포함시킬지 - True: 1000개의 클래스 분류하는 레이어 포함
    weights='imagenet',
    input_tensor=None,
    classes=1000,
    pooling=None,
    dropout_rate=0.2, #과적합 방지 - 뉴런을 무작위로 비활성화하는 비율설정
    classifier_activation='softmax',
    include_preprocessing=True
)

 

 

 

🐽 가장 학습률이 높은 상태로 모델을 저장했고 

# 베스트 에포크 모델 로드

model.load_weights(checkpoint_path)

 

로컬과 드라이브에 모두 check point를 저장해보았다 

model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.0001),
              loss=tf.keras.losses.SparseCategoricalCrossentropy(),
              metrics=['accuracy'])

checkpoint_path = "/checkpoint/BadSoreScan_model.weights.h5"
drive_checkpoint_path = "/content/drive/MyDrive/develop/model/curesilk_checkpoint.weights.h5"

cp_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_path,
                                                 save_weights_only=True,
                                                 save_best_only = True,
                                                 verbose=1)
# 로컬 경로에 가중치 저장
model.save_weights(checkpoint_path)

# Google Drive에 가중치 저장
model.save_weights(drive_checkpoint_path)

model.summary()

history = model.fit(train_ds, epochs=20, validation_data = val_ds, callbacks=[cp_callback])

 

⏺️ 마운트된 구글 드라이브에 저장된 모델을 불러와서 tflite로 변환하던중에 생긴 문제였다

구글 드라이브 쪽에서 모델 파일을 불러올때 문제가 가면서 생겼는데 제목에 있듯이 이부분에서 계속 문제가 번가라 가면 생겼다 

model_flower = tf.keras.models.load_model(model_path,compile=False)

 

error 내용

ValueError: Only input tensors may be passed as positional arguments. The following argument value should be passed as a keyword argument: 3.0 (of type <class 'float'>)

 

AttributeError: type object 'TFLiteConverterV2' has no attribute 'from_keras_model_file'

 

 

 

버전 문제로 텐서 가 들어와야하는 자리에 float 가 입력된다고도 해서 모델 학습중 버전에 맞지 않는 형식이 들어간거 같아 레이어를 아래와 같이 변경하기도 했다 실수가 들어가는 자리는 저기 밖에 없다고 생각이 들었기 때문 🥲 하지만 해결되지 않았고 

# 변경전
dr1 = layers.Dropout(0.4)
dense1 = layers.Dense(128)
dr2 = layers.Dropout(0.4)
dense2 = layers.Dense(64)
dr3 = layers.Dropout(0.3)



# 변경후 
dr1 = layers.Dropout(rate=0.4)
dense1 = layers.Dense(units=128)
dr2 = layers.Dropout(rate=0.4)
dense2 = layers.Dense(units=64)
dr3 = layers.Dropout(rate=0.3)

 

 

문제가 계속 발생해 HDF5(.h5) 포멧과 SavedModel포멧 TensorFlow Lite 로 변환할때 방법이 조금 다르다는걸 알게 됐다  

🍒 .h5 -> tensorLite

☄️HDF5로도도 TensorFlow Lite를 직접 변환할 수 있지만 SavedModel 이 호환성이 더 좋다고 한다 

☄️.h5: 모델 아키텍처,가중치 등 저장 되며 간단한 포멧으로 공유하기 유용하고 Keras 저장방식

☄️모델을 로드한후 추가 훈련 계속 가능

import tensorflow as tf

# 모델 저장 (HDF5 포맷)
model.save('/content/drive/MyDrive/develop/model/BadSoreScan_model.h5')

# HDF5 포맷으로 저장된 모델을 TensorFlow Lite로 변환
converter = tf.lite.TFLiteConverter.from_keras_model_file('/content/drive/MyDrive/develop/model/BadSoreScan_model.h5')
tflite_model = converter.convert()

# TFLite 모델 저장
with open('model.tflite', 'wb') as f:
    f.write(tflite_model)

 

⭐️ from_keras_model_file 을 사용하여 Convert

 

 

🍒savedModel -> tensorLite

☄️savedModel: 포괄적으로 더많은 정보를 포함하고 있음 

☄️배포용도 유리 

import tensorflow as tf
import os

# SavedModel 포맷으로 모델 저장
saved_model_path = '/content/drive/MyDrive/develop/model/RSP_model'
os.makedirs(saved_model_path, exist_ok=True)
model.save(saved_model_path)

# SavedModel 포맷으로 저장된 모델을 TensorFlow Lite로 변환
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_path)
tflite_model = converter.convert()

# TFLite 모델 저장
with open('model.tflite', 'wb') as f:
    f.write(tflite_model)

⭐️ from_saved_model 을 사용하여 Convert

 

🍑 나는 기존에 .h5만 저장해놓은 상태라 어쩌면 이런저런 방법을 써보면서 뭔가 꼬여 있을꺼란 생각이 들었다 

🌈savedModel 저장시 variables/ ,assets/ 과 같은 디렉토리가 포함되기 때문에 .h5 와 다른 디렉토리 생성을 추천

import os

# 베스트 에포크 모델 로드
model.load_weights(checkpoint_path)

# 디렉토리 생성 - 루트 디렉토리
m_path = '/content/drive/MyDrive/develop/model'
os.makedirs(m_path, exist_ok=True)


# .h5 저장
h5_path = f"{m_path}/model.h5"
model.save(h5_path)

# .pb 저장
saved_model_path = f"{m_path}/pd" #pd_model 디렉토리 생성
os.makedirs(saved_model_path, exist_ok=True)
tf.saved_model.save(model, saved_model_path)


#h5-> TFLite 변환
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_h_model = converter.convert()

# SavedModel->TFLite 변환 
converter_sv = tf.lite.TFLiteConverter.from_saved_model(saved_model_path)  # from_saved_model 사용
tflite_sm_model = converter_sv.convert()

tflite_path = f"{m_path}/model.tflite"
with open(tflite_path, 'wb') as f:
  f.write(tflite_sm_model)

# .h5 파일 다운로드
files.download(h5_path)

# SavedModel 폴더 압축 및 다운로드
zip_path = '/content/SP_model.zip'
shutil.make_archive('/content/SP_model', 'zip', saved_model_path)
files.download(zip_path)

# .tflite 파일 다운로드
files.download(tflite_path)

 

 

🪙 model.tflite 변환성공!