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()

作者：山找海味