我有一个用python 3.6的keras训练的模型，以及一个使用python 3.5的raspbian
。当你将一个用python 3.6训练的模型(或者至少是我的模型(加载到python 3.6中时，你会得到一个异常：
IndexError: tuple index out of range
问题是由于不同的原因，我无法将训练平台更改为 3.5 或 RPi 更改为 3.6，因此我必须转换 model.h5。
有没有办法将 h5 转换为中间产品，然后在其他平台中从中间部分转换为 h5？
当我打电话时错误上升load_module
问题是由于不同的原因，我无法将训练平台更改为 3.5 或将 RPi 更改为 3.6，因此我必须将 de model.h5 转换为。
有没有办法将 h5 转换为中间的东西，然后在另一个平台中从中间转换为 h5？
load_model("model1527371035.h5")
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/local/lib/python3.5/dist-packages/keras/models.py", line 270, in load_model
model = model_from_config(model_config, custom_objects=custom_objects)
File "/usr/local/lib/python3.5/dist-packages/keras/models.py", line 347, in model_from_config
return layer_module.deserialize(config, custom_objects=custom_objects)
File "/usr/local/lib/python3.5/dist-packages/keras/layers/__init__.py", line 55, in deserialize
printable_module_name='layer')
File "/usr/local/lib/python3.5/dist-packages/keras/utils/generic_utils.py", line 144, in deserialize_keras_object
list(custom_objects.items())))
File "/usr/local/lib/python3.5/dist-packages/keras/models.py", line 1412, in from_config
model.add(layer)
File "/usr/local/lib/python3.5/dist-packages/keras/models.py", line 497, in add
layer(x)
File "/usr/local/lib/python3.5/dist-packages/keras/engine/topology.py", line 619, in __call__
output = self.call(inputs, **kwargs)
File "/usr/local/lib/python3.5/dist-packages/keras/layers/core.py", line 685, in call
return self.function(inputs, **arguments)
File "<ipython-input-11-b85ceb3c6761>", line 64, in <lambda>
IndexError: tuple index out of range
该模型如下所示：
model = Sequential()
model.add(Lambda(lambda x: x / 255.0 - 0.5, input_shape=(84, 84, 3)))
model.add(BatchNormalization())
model.add(Conv2D(36,(5,5), strides=(2,2), activation='relu'))
model.add(Dropout(dropout))
model.add(Conv2D(64,(3,3), activation='relu'))
model.add(Dropout(dropout))
model.add(Flatten())
model.add(Dropout(dropout))
model.add(Dense(40))
model.add(Dropout(dropout))
model.add(Dense(10))
model.add(Dense(6, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer="adam",metrics=['mae', 'acc'])
是的，查看带有持续问题的评论，当前的解决方法看起来只是保存和加载权重：
model.save_weights(filename)
# you have to rebuild model again
model.load_weights(filename)
在这种情况下，保存的文件将不包含该体系结构，您必须每次都重建它。这并不昂贵，所以应该不是问题。
编辑：也许这只影响Lambda层，可能是一个简单的自定义层避免了这个问题：
class MyLayer(Layer):
def call(self, x):
return x / 255.0 - 0.5