时间戳

首页 > 解决方案 > keras 加载模型错误尝试将包含 17 层的权重文件加载到具有 0 层的模型中

python - keras 加载模型错误尝试将包含 17 层的权重文件加载到具有 0 层的模型中

问题描述

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，我将模型保存为model.save('name.h5'). 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，它会显示错误：

您正在尝试将包含 17 层的权重文件加载到具有 0 层的模型中

以前有人遇到过这个问题吗？我的 keras 版本是 2.2。

这是我的代码的一部分...

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')

实际上我并没有load_model立即删除模型，只是为了显示我的问题。

标签： pythonmodelkerasdeep-learning

解决方案

看来这个问题和第一层的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 仅针对 LSTM 层而不是外部层定义。反而

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

因为包装双向层现在有一个 input_shape 参数。也许您应该检查是否设置了 VGG net input_shape 参数，或者您应该使用正确的input_shape参数将单个input_layer添加到模型中。

推荐阅读