我试图从我训练过的模型中保存和加载权重。
我用来保存模型的代码是。
TensorBoard(log_dir='/output')
model.fit_generator(image_a_b_gen(batch_size), steps_per_epoch=1, epochs=1)
model.save_weights('model.hdf5')
model.save_weights('myModel.h5')
如果这是一种不正确的方法,或者是否有更好的方法,请告诉我。
但是当我尝试加载它们时,使用这个,
from keras.models import load_model
model = load_model('myModel.h5')
但我收到此错误:
ValueError Traceback (most recent call
last)
<ipython-input-7-27d58dc8bb48> in <module>()
1 from keras.models import load_model
----> 2 model = load_model('myModel.h5')
/home/decentmakeover2/anaconda3/lib/python3.5/site-
packages/keras/models.py in load_model(filepath, custom_objects, compile)
235 model_config = f.attrs.get('model_config')
236 if model_config is None:
--> 237 raise ValueError('No model found in config file.')
238 model_config = json.loads(model_config.decode('utf-8'))
239 model = model_from_config(model_config,
custom_objects=custom_objects)
ValueError: No model found in config file.
关于我可能做错了什么的任何建议?先感谢您。
这是一个 YouTube 视频,它准确地解释了您想要做什么:Save and load a Keras model
Keras 提供了三种不同的保存方法。这些在上面的视频链接(带有示例)以及下面都有描述。
首先,您收到错误的原因是您错误地调用了 load_model
。
要保存和加载模型的权重,您将首先使用
model.save_weights('my_model_weights.h5')
如您所显示的那样保存权重。要加载权重,您首先需要构建模型,然后在模型上调用 load_weights
,如
model.load_weights('my_model_weights.h5')
另一种节省技术是model.save(filepath)
。此 save
函数保存:
模型的架构,允许重新创建模型。
模型的权重。
训练配置(损失、优化器)。
优化器的状态,允许在您停止的地方恢复训练。
要加载此保存的模型,您将使用以下内容:
from keras.models import load_model
new_model = load_model(filepath)'
最后,model.to_json()
仅保存模型的架构。要加载架构,您将使用
from keras.models import model_from_json
model = model_from_json(json_string)
对于加载重量,您需要先有一个模型。肯定是:
existingModel.save_weights('weightsfile.h5')
existingModel.load_weights('weightsfile.h5')
如果您想保存和加载整个模型(这包括模型的配置、权重和优化器状态以供进一步训练):
model.save_model('filename')
model = load_model('filename')
load_model()
对完整模型建模时出现此错误。请告诉我如何解决以下错误:ValueError: You are trying to load a weight file containing 17 layers into a model with 0 layers
load_model
吗?这是 load_weights
的错误。如果您使用的是 load_model
,您的文件似乎已损坏,或者您的 keras 版本有问题。
load_model
。我使用的 Keras
版本是 2.2.4
。
由于这个问题已经很老了,但仍然出现在谷歌搜索中,我认为最好指出保存 Keras 模型的更新(和推荐)方法。现在建议使用 SavedModel 格式,而不是像之前显示的那样使用旧的 h5 格式保存它们,它实际上是一个包含模型配置和权重的字典。
可在此处找到更多信息:https://www.tensorflow.org/guide/keras/save_and_serialize
可以在下面找到要保存和加载的片段:
model.fit(test_input, test_target)
# Calling save('my_model') creates a SavedModel folder 'my_model'.
model.save('my_model')
# It can be used to reconstruct the model identically.
reconstructed_model = keras.models.load_model('my_model')
此示例输出:
https://i.stack.imgur.com/tllIL.png
从头开始加载模型需要您从头开始构建模型,因此您可以尝试先使用 model.to_json()
保存模型架构
model_architecture = model.to_json()
使用保存模型重量
model.save_weights('model_weights.h5')
要加载权重,您需要先使用保存的 json 文件重建模型。
from tensorflow.keras.models import model_from_json
model = model_from_json(model_architecture)
然后使用加载权重
model.load_weights('model_weights.h5')
您现在可以编译和测试模型,无需重新训练,例如
model.compile(loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True),
optimizer=keras.optimizers.Adam(lr=0.001), metrics=["accuracy"])
model.evaluate(x_test, y_test, batch_size=32, verbose=2)