如何通过Python将Keras模型转换为TensorFlow原生图模型？-Python教程-PHP中文网

keras的model.save()保存的是含python层逻辑和未冻结变量的savedmodel，非纯tensorflow原生图；需显式导出savedmodel并获取concretefunction，或用tf.function+get_concrete_function生成冻结图。

如何通过python将keras模型转换为tensorflow原生图模型？

不能直接用 Keras 的 model.save() 得到纯 TensorFlow 原生图模型（即不含 Keras 层封装、无 Python 依赖的 tf.Graph 或 SavedModel 冻结图）——必须显式导出为 SavedModel 并可选地冻结变量。

为什么 `model.save('path')` 不等于原生图模型？

Keras 默认保存的是包含 Python 层逻辑、自定义对象引用和未冻结变量的 SavedModel，加载时仍需 tf.keras 运行时支持。它不是“纯图”：变量仍是可变的，控制流可能含 eager 模式痕迹，且无法被 TFLite、TensorRT 或 C++ TF API 直接消费。

要获得真正脱离 Keras 的原生图，关键动作是：导出为 SavedModel → 再用 tf.saved_model.load() 加载 → 调用具体 signature 获取 ConcreteFunction → 导出为冻结图（如需）或直接使用 SavedModel。

导出纯静态图：用 `tf.function` + `get_concrete_function`

这是最可控的方式，能生成不含变量、全为常量节点的图（即传统“frozen graph”），适合部署到无 Python 环境。

必须先确保模型已 build（有 input_shape），否则 get_concrete_function 会失败
输入签名需明确指定 shape 和 dtype，例如：input_spec = tf.TensorSpec(shape=[None, 224, 224, 3], dtype=tf.float32)
调用 model.__call__ 或自定义前向函数（不能用 model.predict）并用 @tf.function 包裹
再调用 concrete_func = func.get_concrete_function(input_spec)
最后用 tf.io.write_graph(concrete_func.graph, 'path', 'model.pb', as_text=False) 写二进制图（注意：此图不含变量，仅结构；若需含权重，应走 SavedModel 路径）

更推荐的路径：导出标准 SavedModel 并禁用 Keras 痕迹

现代 TF 部署（如 TF Serving、TFLite Converter）都基于 SavedModel，而非旧式 frozen pb。关键是让 SavedModel “去 Keras 化”：

Claw Code Suite (Python-Only Edition)

仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...

下载

避免在模型中使用 tf.keras.layers.Lambda 或自定义 Python 函数，它们会引入 py_func 节点
用 tf.keras.models.clone_model(model, clone_function=...) 替换掉含 Python 逻辑的层（如有）
保存时传入 signatures 参数，例如：tf.saved_model.save(model, 'export_dir', signatures={'serving_default': model.call.get_concrete_function(input_spec)})
保存后检查：saved_model_cli show --dir export_dir --all，确认 signatures 下没有 keras_api 字样，且 inputs 是 tensor spec 而非 dict-of-tensors

常见报错与绕过方式

ValueError: Cannot convert a symbolic Tensor to a numpy array：说明你在 @tf.function 外调用了 .numpy() 或类似操作，删掉或移到 function 外。

NotImplementedError: Cannot convert a symbolic Tensor：多见于用 tf.keras.backend.eval() 或 model.layers[i].output 直接取输出，改用 model(inputs) 或 model.call(inputs)。

KeyError: 'saved_model' not found in checkpoint：用 tf.train.Checkpoint 手动保存时路径写错，应确保 checkpoint.write(path) 的 path 不带扩展名，且与 tf.saved_model.load() 的目录一致。

最易忽略的一点：Keras 模型若含 tf.keras.layers.Resizing 或 tf.keras.layers.RandomFlip 等预处理层，导出后仍会保留这些 ops —— 它们不是纯计算图的一部分，部署时需前置剥离或替换为 tf.image 原语。