Есть обученная нейросеть (Object Detection Model) которая сохранена как Checkpoint, т.е 4 файла:

• labels.pbtxt;
• ckpt-1.data-00000-of-00001
• ckpt-1.index
• pipeline.config

Возможно ли преобразовать/сохранить эту нейросеть в формат *.h5 ?

P.S. Может быть я ошибаюсь, но похоже восстановить исходную нейросеть можно так:

 PATH_TO_MODEL_DIR = "/content/saved_model"
 PATH_TO_CFG = PATH_TO_MODEL_DIR + "/pipeline.config"
 PATH_TO_CKPT = PATH_TO_MODEL_DIR + "/checkpoint"

где директория "checkpoint" включает файлы:

• labels.pbtxt
• ckpt-1.data-00000-of-00001
• ckpt-1.index

инсталируем предварительно Object Detection API и тогда

Load pipeline config and build a detection model

configs = config_util.get_configs_from_pipeline_file(PATH_TO_CFG)
model_config = configs['model']
detection_model = model_builder.build(model_config=model_config, is_training=False)

Restore checkpoint

 ckpt = tf.compat.v2.train.Checkpoint(model=detection_model)
 ckpt.restore(os.path.join(PATH_TO_CKPT, 'ckpt-1')).expect_partial()
 tf.saved_model.save(ckpt, export_dir='/content/model')

но я не могу мспользовать High-level (Keras) метод save(), например:

ckpt.save('myModel.h5', save_format='h5')

я получаю ошибку: "TypeError:Checkpoint.save() got an unexpected keyword argument 'save_format'",

но при этом сохранение как:

tf.saved_model.save(ckpt, export_dir='/content/model')

работает

существует ли процесс, который позволит преобразовать формат Checkpoint в один файл *.h5 Keras формата ?

проще говоря, см. https://www.tensorflow.org/guide/keras/serialization_and_saving Могу ли я из этих четырех файлов получить модель, которую потом могу сохранить как:

model = ... # Get model (Sequential, Functional Model, or Model subclass) model.save('path/to/model')