Keras 加载模型时尝试将包含 17 个层的权重文件加载到具有 0 层的模型中时出错

Question

我目前正在使用 keras 开发 vgg16 模型。 我用我的一些层微调 vgg 模型。 拟合我的模型(训练(后，我用model.save('name.h5')保存我的模型。 它可以毫无问题地保存。 但是，当我尝试使用load_model函数重新加载模型时，它显示错误：

您正在尝试将包含 17 个图层的权重文件加载到模型中 带 0 层

以前有人遇到过这个问题吗？ 我的 keras 版本是 2.2。

这是我代码的一部分...

from keras.models import load_model
vgg_model = VGG16(weights='imagenet',include_top=False,input_shape=(224,224,3))    
global model_2
model_2 = Sequential()
for layer in vgg_model.layers:
model_2.add(layer)
for layer in model_2.layers:
layer.trainable= False
model_2.add(Flatten())
model_2.add(Dense(128, activation='relu'))
model_2.add(Dropout(0.5))
model_2.add(Dense(2, activation='softmax'))
model_2.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
model_2.fit(x=X_train,y=y_train,batch_size=32,epochs=30,verbose=2)
model_2.save('name.h5')
del model_2
model_2 = load_model('name.h5')

其实我不会删除模型然后立即load_model， 只是为了显示我的问题。

Answer 1

这个问题似乎与第一层的input_shape参数有关。我在没有input_shape参数集的包装层(双向(上遇到了这个问题。在代码中：

model.add(Bidirectional(LSTM(units=units, input_shape=(None, feature_size)), merge_mode='concat'))

不适用于加载我的旧模型，因为input_shape仅为 LSTM 层而不是外部层定义。相反

model.add(Bidirectional(LSTM(units=units), input_shape=(None, feature_size), merge_mode='concat'))

工作是因为包装器双矩形层现在有一个input_shape参数。也许您应该检查是否设置了 VGG 净input_shape参数，或者您应该使用正确的input_shape参数向模型添加单个input_layer。

Answer 2

我花了6个小时四处寻找解决方案......以应用我训练的模型。 最后，我尝试了 VGG16 作为模型，并使用了我自己训练过的 h5 重量，很棒！

weights_model='C:/Anaconda/weightsnew2.h5'  # my already trained weights .h5
vgg=applications.vgg16.VGG16()
cnn=Sequential()
for capa in vgg.layers:
cnn.add(capa)
cnn.layers.pop()
for layer in cnn.layers:
layer.trainable=False
cnn.add(Dense(2,activation='softmax'))  
cnn.load_weights(weights_model)
def predict(file):
x = load_img(file, target_size=(longitud, altura)) 
x = img_to_array(x)                            
x = np.expand_dims(x, axis=0)
array = cnn.predict(x)     
result = array[0]
respuesta = np.argmax(result) 
if respuesta == 0:
print("Gato")
elif respuesta == 1:
print("Perro")

Answer 3

如果有人仍然想知道这个错误：

我遇到了同样的问题，花了几天时间弄清楚是什么原因造成的。我在另一个系统上有我的整个代码和数据集的副本。我注意到这与训练有关，因为如果不训练我的模型，保存和加载就没有问题。 我的系统之间的唯一区别是，我在主系统上使用tensorflow-gpu，因此，tensorflow基础版本略低(1.14.0而不是2.2.0(。所以我所要做的就是使用

model.fit_generator()

而不是

model.fit()

在保存之前。它有效