TensorFlow 2.16以降にアップグレードした後、長年使ってきたKerasモデルが動かなくなった。特にtf.keras.models.load_modelでロードに失敗し、代替手段としてTFSMLayerを使ったが、今度は.predict()が使えないという二重の壁にぶつかった話だ。
何が起きたか(課題)
環境アップデート後に、古いSavedModelを推論に使おうとして以下の問題に直面した。
-
tf.keras.models.load_modelによるロード処理自体が、新しいKeras 3の構造と合わず失敗するようになった。 - 代替として
tf.keras.layers.TFSMLayerでロードはできたが、このレイヤーオブジェクトには.predict()メソッドが存在しないため、推論を実行できなかった(AttributeError)。 -
TFSMLayerは単なるレイヤーであり、完全なtf.keras.ModelではないというKerasのアーキテクチャの違いを理解する必要があった。
どう解決したか(概要)
TFSMLayerでロードしたSavedModelの中身を、KerasのFunctional APIを利用して新しい完全なtf.keras.Modelとして再構築した。このアプローチにより、.predict()メソッドを復活させることができた。
解決の核となったのは、TFSMLayerを通常のKerasレイヤーとして扱い、その前段に明示的な入力層(tf.keras.Input)を接続し、全体をtf.keras.Modelとしてラップする手順だ。
解決策のコードの概要は以下の通りである。
path_to_saved_model = "myPath/to/TF/saved_model/"
layer = tf.keras.layers.TFSMLayer(path_to_saved_model, call_endpoint='serving_default')
input_layer = tf.keras.Input(shape = myInputShape) # モデルが期待する形状を指定する
outputs = layer(input_layer)
model = tf.keras.Model(input_layer, outputs)
この再構築により、新しく生成されたmodelオブジェクトは標準の.predict()メソッドを呼び出せるようになった。ただし、myInputShapeには元のモデルが期待していた入力シェイプを正確に指定することが極めて重要になる。
👉 具体的な設定手順やコードの全体像はこちら:
Keras 3でload_modelが効かない?SavedModelをFunctional APIでModel化する戦略
効果(Before/After)
このFunctional APIによるモデル再構築により、バージョンアップによって使用不能になった過去のSavedModelを、最新のTensorFlow/Keras 3環境下で問題なく推論実行できるようになった。TFSMLayerの動作原理(レイヤーとしての振る舞い)を理解し、Modelとして再定義することで、互換性の問題を乗り越えられた。
🚀 詳細な設定とコードはこちら
「Keras 3でload_modelが効かない?SavedModelをFunctional APIでModel化する戦略」の具体的なコマンド・設定コード全文、環境別の対処手順、さらに詳しい解説は元のブログで公開しています。
👉 Keras 3でload_modelが効かない?SavedModelをFunctional APIでModel化する戦略
※本記事は技術ブログ CodeArchPedia.com の執筆記事から要点を抜粋した技術ノートです。