我正在尝试加载一个预先训练的Keras模型，以便在谷歌云上继续训练。它在本地工作，只需加载鉴别器和生成器
model = load_model('myPretrainedModel.h5')
但显然这在谷歌云上不起作用，我尝试使用与从谷歌存储桶读取训练数据相同的方法，包括：
fil = "gs://mygcbucket/myPretrainedModel.h5"
f = BytesIO(file_io.read_file_to_string(fil, binary_mode=True))
return np.load(f)
但是，这似乎不适用于加载模型，我在运行作业时收到以下错误。
值错误：当 allow_pickle=False 时，无法加载包含酸洗数据的文件
添加allow_pickle=True，会引发另一个错误：
OSError：无法解释文件<_io。作为泡菜0x7fdf2bb42620>的字节IO对象
然后，我尝试了我发现的东西，因为有人建议解决类似的问题，因为我知道它暂时从存储桶中在本地重新保存模型(与作业运行的位置有关(，然后加载它，如下所示：
fil = "gs://mygcbucket/myPretrainedModel.h5"
model_file = file_io.FileIO(fil, mode='rb')
file_stream = file_io.FileIO(model_file, mode='r')
temp_model_location = './temp_model.h5'
temp_model_file = open(temp_model_location, 'wb')
temp_model_file.write(file_stream.read())
temp_model_file.close()
file_stream.close()
model = load_model(temp_model_location)
return model
但是，这会引发以下错误：
类型错误：预期的二进制或 unicode 字符串，已tensorflow.python.lib.io.file_io。文件IO对象
我必须承认，我不确定我需要做什么才能从我的存储桶中实际加载预先训练的 keras 模型，以及在我在 google cloud 的培训工作中的使用。任何帮助都深表感谢。
我建议使用AI平台笔记本来做到这一点。使用此方法下载训练的模型。检查"代码示例"选项卡下的 Python 代码。将模型置于运行笔记本的 VM 中后，可以像在本地一样加载它。这里有一个使用tf.keras.models.load_model的示例。