python - 无法使用自定义约束加载 keras 模型
问题描述
我为我的 keras GRU-NN 创建了一个自定义约束,并能够用它训练我的网络。约束如下所示:
import keras.backend as K
from keras.constraints import Constraint
class WeightClip(Constraint):
def __init__(self, mn=0.1, mx=1.0):
self.mn = mn
self.mx = mx
def __call__(self, p):
return K.clip(p, self.mn, self.mx)
def get_config(self):
return {
'name': self.__class__.__name__,
'minimum': self.mn,
'maximum': self.mx
}
保存模型并尝试重新加载后
model = keras.models.load_model(modelFile, custom_objects={'WeightClip': WeightClip})
我收到此错误消息:
TypeError: __init__() got an unexpected keyword argument 'name'
模型本身看起来像:
model = Sequential()
model.add(GRU(
params.recurrent_units,
activation='linear',
input_shape=(pr.n_features, pr.feature_size),
dropout=params.dropout, name='net',
kernel_constraint=WeightClip(0.1, 1.0),
bias_constraint=WeightClip(0.1, 1.0)
))
model.add(Dense(
1,
activation='sigmoid',
kernel_constraint=WeightClip(0.1, 1.0),
bias_constraint=WeightClip(0.1, 1.0)
))
参考 stackoverflow 上的其他类似问题,大部分时间都与自定义指标有关,但是,我尝试了 custom_objects 参数的不同组合,但似乎没有任何帮助。谢谢你的帮助!
解决方案
窗帘后面发生了什么
当您保存包含custom_object
in的模型时keras
,它将保存对类名的引用,以及包含对象当前配置的字典。它通过调用.get_config()
自定义对象实例的方法来实现。因此,此方法应返回一个字典,其中包含重新创建实例所需的一切。
调用后keras.models.load()
,keras
将加载您的模型并使用保存的字典创建自定义对象的实例。让我们假设一下old_object_configuration = weight_clip_instance.get_config()
。keras
现在将使用new_weight_clip_instance = WeightClip(**old_object_configuration)
. name
当您在方法中返回一个参数.get_config()
,但您看到的错误签名中没有名称参数时,WeightClip.__init__()
您将看到此错误。
返回一个空的字典会影响你的模型吗?
使用上面的知识,我们现在可以预测如果您的.get_config()
方法返回一个空字典会发生什么。这导致调用new_weight_clip_instance = WeightClip({})
. 新实例将具有 和 的默认值mn=0.1
,mx=1.0
这不是所需的行为,并且会导致难以发现错误。
一个工作示例
import keras
import keras.backend as K
from keras import Sequential
from keras.constraints import Constraint
from keras.layers import GRU, Dense
RECURRENT_UNITS = 10
N_FEATURES = 10
FEATURE_SIZE = 50
DROPOUT = 0.5
class WeightClip(Constraint):
def __init__(self, minimum=0.1, maximum=1.0):
self.minimum = minimum
self.maximum = maximum
def __call__(self, p):
return K.clip(p, self.minimum, self.maximum)
def get_config(self):
return {
'minimum': self.minimum,
'maximum': self.maximum
}
model = Sequential()
model.add(GRU(
RECURRENT_UNITS,
activation='linear',
input_shape=(N_FEATURES, FEATURE_SIZE),
dropout=DROPOUT,
name='net',
kernel_constraint=WeightClip(0.1, 1.0),
bias_constraint=WeightClip(0.1, 1.0)
))
model.add(Dense(
1,
activation='sigmoid',
kernel_constraint=WeightClip(0.1, 1.0),
bias_constraint=WeightClip(0.1, 1.0)
))
model.save('mymodel')
model = keras.models.load_model('mymodel', custom_objects={'WeightClip': WeightClip})
推荐阅读
- python - 我们如何测量时间序列功耗模式的可变性?
- python - 我正在尝试使用带有 selenium 的通用蜘蛛模板来抓取爬虫,但是当爬到产品详细信息页面时,它会给出错误的数据
- reactjs - 从 react-router-dom使用时,如何解决此 React 组件无法正确呈现的问题?
- xml - RadioButton 安卓实现
- azure-devops - 发行说明生成
- php - 如何在php中实现这种概念
- java - 处理:你能在处理类之外画画吗?
- reactjs - 如何在 graphql 的模拟服务器上创建 40 个数组
- python - Numpy 访问 nD 数组值 vetorized 方式
- azure - 使用 RestAPI 筛选 Azure DevOps 版本