Export Gemma 2 from Keras to Saved Model?
まだ誰も着手していません。
- 主要言語
- Java
- スター
- 928
- フォーク
- 227
- PR マージ指標
- 30日以内にマージされた PR はありません
説明
Ok, downloaded Gemma2 from
https://www.kaggle.com/models/google/gemma-2/keras
-unpacked and got the following files:
/assets
config.json
metadata.json
model.weights.h5
tokenizer.json
-tried to load model by using following Python script:
import json
from tensorflow import keras
# 1. Path to the config and weights:
config_path = "d:/Install/TensorFlow/models/Gemma_2/config.json"
weights_path = "d:/Install/TensorFlow/models/Gemma_2/model.weights.h5"
saved_model_dir = "d:/Install/TensorFlow/models/Gemma_2/gemma2_saved_model"
# 2. load model configuration
with open(config_path, 'r') as f:
model_config = json.load(f)
# 3. Reconstruct the model:
model = keras.models.model_from_json(json.dumps(model_config))
# 4. Load the weights:
model.load_weights(weights_path)
# 5. Finally, save model as TensorFlow SavedModel format:
model.save(saved_model_dir, save_format="tf")
print("Model saved to the :", saved_model_dir)
-at the line
model = keras.models.model_from_json(json.dumps(model_config))
got following error:
ValueError: Unknown layer: GemmaBackbone. Please ensure this object is passed to the custom_objectsargument. See https://www.tensorflow.org/guide/keras/save_and_serialize#registering_the_custom_object for details.
Questions:
- Can someone confirm that I'm on the right track?
- Looked at
- https://www.tensorflow.org/guide/keras/save_and_serialize#registering_the_custom_object
but not sure what to do with GemmaBackbone...huh?
any help?
コントリビューションガイド
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
調査の方向性
Python スクリプトから始め、特に GemmaBackbone で失敗する model_from_json 呼び出しを確認し、ダウンロードした config.json、model.weights.h5、tokenizer.json を調べてください。このリポジトリがこの Gemma 2 パッケージの SavedModel へのエクスポートをサポートしているか判断してください。対応しているワークフローを文書化するか、サポートされていないことを明確に説明できれば完了です。
索引モデルが issue の本文から書いたものです。
評価
- 技術スタック
- python
- 領域
- machine-learning
- issue の種類
- 機能追加
- 難易度
- 5/5
- 見積もり時間
- 1週間以上
- 活発さ
- 停滞
- 明瞭さ
- 説明が足りない
- 初心者へのやさしさ
- 25/100