Keras：无法继续训练加载的模型答案

【问题标题】：Keras: Unable to continue training of loaded modelKeras：无法继续训练加载的模型
【发布时间】：2018-08-28 16:40:14
【问题描述】：

我使用 model.save 保存了一个 RNN (GRU) 模型，但是当我在加载模型后运行拟合函数时，它会弄乱我的权重并给出错误的预测。但是，当我在不运行 fit 函数的情况下进行预测时，我得到了正确的预测。

opt = Adam(lr=0.0001, beta_1=0.9, beta_2=0.999, decay=0.01)
rnn_model.compile(loss='binary_crossentropy', optimizer=opt, metrics=["accuracy"])
rnn_model.save('./models/my_model.h5')

#This predicts correctly
model = load_model('my_model.h5')
model.predict(x)

#This does NOT predict correctly
model=load_model('my_model.h5')
model.fit(X, Y, batch_size = 5, epochs=1)
model.predict(x)

更新（找到解决方法）： 我还没有弄清楚问题的根源。但似乎我正在加载的模型保存在 Keras 2.0.6 上，我正在将它加载到 Keras 2.1.5 上。带有“save_weights”和“load_weights”功能的东西不起作用，所以我不得不在我手动从头开始构建的架构上逐层加载权重（使用 json 从保存的模型加载架构也可以）：

for layer_loaded, layer_built in zip(loaded_model,built_model): layer_built.set_weights(layer_loaded.get_weights())

【问题讨论】：

加载模型后尝试再次运行model.compile
@MohamedElzarei 我试图避免这种情况，因为我不想更改优化器参数，例如学习率（由于衰减而与初始学习率不同）。
Loading a trained Keras model and continue training的可能重复
@MohamedElzarei 抱歉，我不明白——哪些解决方案适用于我的？
@MohamedElzarei 我尝试了使用回调的解决方案，但效果不佳。我很困惑。

标签： python tensorflow keras recurrent-neural-network rnn

【解决方案1】：

看起来很像优化器的问题。例如，如果学习率没有正确保存在上次训练期间结束的值，它会以更大的值再次启动。在这种情况下，它可能会导致你在跑步时弄乱重量。

【讨论】：