时间戳

首页 > 解决方案 > 带有 Tensorflow Hub 的 Keras 模型在保存/恢复时不会给出相同的结果

python - 带有 Tensorflow Hub 的 Keras 模型在保存/恢复时不会给出相同的结果

问题描述

我有一个使用 Tensorflow 集线器层的 Keras 模型。但是，该模型在原始模型和恢复模型之间没有给出相同的预测。

我的 Keras 模型：

hub_layer = hub.KerasLayer("https://tfhub.dev/google/remote_sensing/eurosat-resnet50/1", tags=['train'], input_shape=(64,64,3))

original_model = Sequential()
original_model.add(hub_layer)
original_model add(Dense(32, activation='relu'))
original_model.add(Dense(1, activation='sigmoid'))

original_model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

history = original_model.fit(train_generator, epochs=100)

img_batch = ... # Image batch of shape (32, 64, 64, 3)
original_model.predict(img_batch)

原始模型输出：

Out[1] : array([[0.803754  ],
               [0.2758078 ],
               ...
               [0.26074764],
               [0.6190501 ]]

当模型被保存和恢复时，预测是不一样的：

orignial_model.save("model.hd5")

restored_model = tf.keras.models.load_model("model.hd5", custom_objects={'KerasLayer': hub.KerasLayer})

restored_model.predict(img_batch) # The image batch used is exactly the same as before

输出恢复模型：

Out[2] : array([[0.9999999 ],
                [1.        ],
                ...
                [1.        ],
                [1.        ]]

结果与原始模型不同。

我尝试了相同的实验，但没有使用 Tensorflow 层，问题没有出现。所以我猜这个问题来自这个 Tensorflow hub 层。

我还尝试比较了 2 个模型的配置，它们是相同的：

original_model.get_config() == restored_model.get_config() # Return true

我还比较了两个模型的重量，它们是相同的。

版本 ：

标签： pythontensorflowkerasdeep-learningtensorflow-hub

解决方案

我找不到问题的根源，但我找到了替代解决方案。

该解决方案包括从模型中删除 tensorflow hub 层。该层完成的转换可以在外部完成，如下所示：

hub_layer = hub.KerasLayer("https://tfhub.dev/google/remote_sensing/eurosat-resnet50/1", tags=['train'], input_shape=(64,64,3))

original_model = Sequential()
original_model.add(Input(2048))
original_model add(Dense(32, activation='relu'))
original_model.add(Dense(1, activation='sigmoid'))

original_model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

X_transformed = hub_layer(X)

history = original_model.fit(X_transformed, y, epochs=100)

通过这样做，原始模型和恢复模型之间的模型预测是相同的。

推荐阅读