解决Tensorflow2.0 tf.keras.Model.load_weights() 报错处理问题
错误描述:
1、保存模型:model.save_weights('./model.h5')
2、脚本重启
3、加载模型:model.load_weights('./model.h5')
4、模型报错:valueerror: you are trying to load a weight file containing 12 layers into a model with 0 layers.
问题分析:
模型创建后还没有编译,一般是在模型加载前调用model.build(input_shape), 但我通过dataset将输入已经变为dict格式了,暂时没找这样输入怎么匹配input_shape参数
解决方法:
model.fit(train_dataset, epochs=0)
将epochs设为0,这样模型在编译的同时不会训练数据,减少耗费的时间,之后就可以正常加载保存的参数了
补充知识:调用kears中kears.model.load_model方法遇到的问题和解决方法
之前一直使用tf和pytorch,就算是tf也是tf.estimator用得比较多,很少使用keras,最近尝试使用kears快速训练和部署一些分类任务,在使用load_model的时候遇到一些问题
问题1:
systemerror: unknown opcode
原因是因为模型定义用到了lambda
gap = lambda(lambda x: x[0]/x[1], name = 'rescalegap')([gap_features, gap_mask])
我在python3.5的环境训练的模型,python3.6的环境load模型。两个环境的lambda有差异,这个问题。
问题2:
valueerror: unknown metric function:****
我的错误是
valueerror: unknown metric function:top_2_accuracy
因为在构建模型时,使用了自己定义的top_2_accuracy方法,所以在load_model时需要将top_2_accuracy做为参数传进去
from keras.models import load_model from keras.metrics import top_k_categorical_accuracy def top_2_accuracy(in_gt, in_pred): return top_k_categorical_accuracy(in_gt, in_pred, k=2) model = load_model("model.h5",custom_objects={'top_2_accuracy': top_2_accuracy})
以上这篇解决tensorflow2.0 tf.keras.model.load_weights() 报错处理问题就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
上一篇: 输入两个整数之间的随机数