在 tensorflow2.3 中加载模型失败有什么解决方案吗？答案

【问题标题】：Is there any solution for failing to load model in tensorflow2.3?在 tensorflow2.3 中加载模型失败有什么解决方案吗？
【发布时间】：2020-09-28 15:37:00
【问题描述】：

我尝试使用 tf.keras.models.load_model 在 tensorflow 2.3 中加载保存的模型。但是，我遇到了同样的错误 https://github.com/tensorflow/tensorflow/issues/41535

这似乎是一个重要的功能。但是这个问题仍然没有解决。有谁知道是否有任何替代方法可以实现相同的结果？

【问题讨论】：

我认为构建这样的模型是错误的方法。 train 不应该是模型类的方法......

标签： tensorflow tensorflow2.0

【解决方案1】：

我找到了一种在 tensorflow 2.3 中加载自定义模型的替代方法。您需要进行一些以下更改。我将通过一些代码快照来解释

用于自定义模型的__init__()。之前，

def __init__(self, mask_ratio=0.1, hyperparam=0.1, **kwargs):
    layers = []
    layer_configs = {}
    if 'layers' in kwargs.keys():
        layer_configs = kwargs['layers']
    for config in layer_configs:
        layer = tf.keras.layers.deserialize(config)
        layers.append(layer)
    super(custom_model, self).__init__(layers)  # custom_model is your custom model class
    self.mask_ratio = mask_ratio
    self.hyperparam = hyperparam
    ...

之后，

def __init__(self, mask_ratio=0.1, hyperparam=0.1, **kwargs):
    super(custom_model, self).__init__()  # custom_model is your custom model class
    self.mask_ratio = mask_ratio
    self.hyperparam = hyperparam
    ...

在您的自定义模型类中定义两个函数

def get_config(self):
    config = {
        'mask_ratio': self.mask_ratio,
        'hyperparam': self.hyperparam
    }
    base_config = super(custom_model, self).get_config()
    return dict(list(config.items()) + list(base_config.items()))
@classmethod
def from_config(cls, config):
    #config = cls().get_config()
    return cls(**config)

训练完成后，使用'h5'格式保存模型
```
model.save(file_path, save_format='h5')
```

最后，加载模型如下代码，

model = tf.keras.models.load_model(model_path, compile=False, custom_objects={'custom_model': custom_model})

【讨论】：

很高兴看到您解决了您的问题，但请记住将代码本身而不是图像放在描述中。
@TimbusCalin 对不起图片，我尝试放代码，但我不知道为什么代码样式不起作用。
好，只要遵守规则就可以了。