Keras 尝试保存和加载模型错误您正在尝试将包含 16 层的权重文件加载到具有 0 层的模型中

Question

我正在尝试在 Keras 中微调和保存模型并加载它，但出现此错误：
Value Error: You are trying to load a weight file containing 16 layers into a model with 0 layers.
我尝试了另一个型号的号码我让它保存和加载模式工作没有错误 当我尝试采用 vgg16 时，它给出了那个错误
我想要加载模型，但由于此错误而无法加载。有人可以帮忙吗？

import keras
from  keras.models import Sequential,load_model,model_from_json

from keras import backend as K
from keras.layers import Activation,Conv2D,MaxPooling2D,Dropout
from keras.layers.core import Dense,Flatten
from keras.optimizers import Adam
from keras.metrics import categorical_crossentropy
from keras.layers.normalization import BatchNormalization
from keras.layers.convolutional import *
from keras.preprocessing.image import ImageDataGenerator
import matplotlib.pyplot as plt
import itertools
from sklearn.metrics import confusion_matrix

import numpy as np
train_path='dataset/train'
test_path='dataset/test'
valid_path='dataset/valid'
train_batches=ImageDataGenerator()
.flow_from_directory(train_path,batch_size=1,target_size=(224,224),classes= 
 ['dog','cat'])
valid_batches=ImageDataGenerator()
.flow_from_directory(valid_path,batch_size=4,target_size=(224,224),classes= 
['dog','cat'])
test_batches=ImageDataGenerator()
.flow_from_directory(test_path,target_size=(224,224),classes=['dog','cat'])

 vgg16_model=keras.applications.vgg16.VGG16();

vgg16_model.summary()

type(vgg16_model)

model=Sequential()
for layer in vgg16_model.layers[:-1]:
    model.add(layer)




for layer in model.layers:
    layer.trainable=False

 model.add(Dense(2,activation='softmax'))


 model.compile(Adam(lr=.0001),loss='categorical_crossentropy',metrics= 
 ['accuracy'])
model.fit_generator(train_batches,validation_data=valid_batches,epochs=1)


model.save('test.h5')
model.summary()
xx=load_model('test.h5')

Answer 1

如果有人仍然想知道这个错误：

我遇到了同样的问题，花了几天时间弄清楚是什么原因造成的。我在另一个可以运行的系统上拥有我的整个代码和数据集的副本。我注意到这与训练有关，因为如果不训练我的模型，保存和加载是没有问题的。我的系统之间的唯一区别是，我在我的主系统上使用了 tensorflow-gpu，因此，tensorflow 基础版本略低一些（1.14.0 而不是 2.2.0）。所以我所要做的就是使用

model.fit_generator()

而不是

model.fit()

在保存之前。它有效

Answer 2

这很奇怪，是的。以上都不适合我。那或者我不明白。我所做的是，在保存模型后，我不得不像第一次那样重新实例化所有层，然后从我实际保存模型的文件中加载权重，而不是加载模型。我只是把它当作我只保存了重量。

训练后保存，我这样做了：

model.save('models/catdog_trained_cnn_block.h5')

加载我说的问题，我这样做了：

from keras.applications import VGG16
from keras.models import Sequential
from keras.layers import Dropout, Flatten, Dense
vgg_model = VGG16(include_top=False, weights='imagenet',input_shape=(224, 224, 3))
model = Sequential()
for layer in vgg_model.layers:
    layer.trainable = False
    model.add(layer)
model.add(Flatten())
model.add(Dense(256, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(1, activation='sigmoid'))
model.summary()

model.load_weights('models/catdog_trained_cnn_block.h5')

这与我一开始实例化模型时所做的相同。

Answer 3

我能够通过将 keras 降级到 2.1.6 来解决这个问题。

Answer 4

我以不同的方式加载模型，四处寻找解决方案，我遇到了同样的问题。现在应用我训练过的模型。最后我使用 VGG16 作为模型并使用我自己训练的 h5 权重，非常棒！

weights_model='C:/Anaconda/weightsnew2.h5'  # my already trained 
weights .h5
vgg=applications.vgg16.VGG16()
cnn=Sequential()
for capa in vgg.layers:
    cnn.add(capa)
cnn.layers.pop()
for layer in cnn.layers:
    layer.trainable=False
cnn.add(Dense(2,activation='softmax'))  

cnn.load_weights(weights_model)

def predict(file):
    x = load_img(file, target_size=(longitud, altura)) 
    x = img_to_array(x)                            
    x = np.expand_dims(x, axis=0)
    array = cnn.predict(x)     
    result = array[0]
    respuesta = np.argmax(result) 
    if respuesta == 0:
        print("Gato")
    elif respuesta == 1:
        print("Perro")

Answer 5

这似乎是bug in Keras。我在第一层使用 dropout 的模型也有类似的问题。从输入层移除 dropout 功能为我解决了这个问题。

在您的情况下，我建议首先使用密集输入层指定数据的输入维度。因此，添加行

model.add(Dense(numberOfNeurons, activation='yourActivationFunction', input_dim=inputDimension))

应该可以解决问题。