无法通过任何方式将 .h5 模型转换为 ONNX 进行推理

我在 .h5 中构建了一个自定义模型Matterport Mask RCNN 实现 https://github.com/matterport/Mask_RCNN。我成功地保存了完整的模型，而不是单独使用的权重model.keras_model.save()，并假设它工作正常。

我需要将此模型转换为 ONNX，以便在 Unity Barracuda 中进行推理，在此过程中我遇到了一些错误。 我试过：

T1。 .h5 到 ONNX 使用本教程 https://medium.com/analytics-vidhya/how-to-convert-your-keras-model-to-onnx-8d8b092c4e4f和 keras2onnx 包，我遇到了一个错误：

model = load_model('model.h5')

Error:
ValueError: Unknown layer: BatchNorm

T2。使用定义自定义层这个 GitHub 代码 https://github.com/vagomundo21/Save-Load-MaskRCNN-model:

 model = keras.models.load_model(r'model.h5', custom_objects={'BatchNorm':BatchNorm, 
'tf':tf, 'ProposalLayer':ProposalLayer, 
'PyramidROIAlign1':PyramidROIAlign1, 'PyramidROIAlign2':PyramidROIAlign2,
'DetectionLayer':DetectionLayer}, compile=False)

Error:
ValueError: No model found in config file.
ValueError: Unknown layer: PyramidROIAlign

T3。 .h5 到 .pb （冻结图）和 .pbtxt，然后在找到输入和输出节点后使用 tf2onnx 从 .pb 到 ONNX（似乎只有一个？）：

assert d in name_to_node, "%s is not in graph" % d
AssertionError: output0 is not in graph

T4。使用 tf-serving 代码将 .h5 转换为 SavedModel从这里 https://github.com/moganesyan/tensorflow_model_deployment进而python -m tf2onnx.convert --saved-model exported_models\coco_mrcnn\3 --opset 15 --output "model.onnx"转换为 ONNX：

ValueError: make_sure failure: variable mrcnn_detection/map/while/Enter already exists as state variable.

TLDR: 有没有办法通过任何直接/间接方式将我的 .h5 模型转换为 ONNX？我已经被这个问题困扰好几天了！

提前致谢。

编辑1： 看起来keras.models.load_model()抛出前两个错误 - 想知道是否有一种方法可以使用 .pb/.pbtxt 模型，或者不使用的方法load_model()，或者解决问题的方法load_model() issue?

Edit 2:

T1 代码 https://file.io/tp8AOZBISJNc： 自定义数据集修改自Matterport Mask RCNN 实现 https://github.com/matterport/Mask_RCNN

T4 代码 https://file.io/ZEnstfO8t4Vs

尝试将其转换为保存的模型格式，然后转换为 onnx。

import numpy as np
import tensorflow as tf
from tensorflow import keras


def get_model():
    # Create a simple model.
    inputs = keras.Input(shape=(32,))
    outputs = keras.layers.Dense(1)(inputs)
    model = keras.Model(inputs, outputs)
    model.compile(optimizer="adam", loss="mean_squared_error")
    return model

model = get_model()
# Train the model.
test_input = np.random.random((128, 32))
test_target = np.random.random((128, 1))
model.fit(test_input, test_target)

# Calling `save('my_model.h5')` creates a h5 file `my_model.h5`.
model.save("my_h5_model.h5")

# It can be used to reconstruct the model identically.
model = keras.models.load_model("my_h5_model.h5")
tf.saved_model.save(model, "tmp_model")

然后使用 tf2onnx 进行转换。

python3 -m tf2onnx.convert --saved-model tmp_model --output "model.onnx"