使用 load_weights() 在预训练权重上训练 keras 模型答案

【问题标题】：Training a keras model on pretrained weights using load_weights()使用 load_weights() 在预训练权重上训练 keras 模型
【发布时间】：2021-04-14 09:21:15
【问题描述】：

我在 Databricks 环境中使用自定义 keras 模型。对于自定义 keras 模型，model.save(model.h5) 不起作用，因为自定义模型不可序列化。相反，建议使用model.save_weights(path) 作为替代。

model.save_weights(pathDirectory) 有效。这会在 pathDirectory 中生成 3 个文件 checkpoint,.data-00000-of-00001,.index

对于加载重量，以下机制工作正常。

model = Model()

model.load_weights(path)

但我想在我刚刚保存的预训练权重上训练我的模型。就像我保存了模型权重一样，然后继续对这些保存的权重进行训练。

所以，当我加载模型权重并应用训练循环时，我收到了这个错误，TypeError: 'CheckpointLoadStatus' object is not callable

【问题讨论】：

你试过没有“.h5”结尾吗？
是的，我尝试了很多变化。 “.h5”，没有扩展名，“.tf”，“.hpy5”等。model.save（）在任何情况下都不起作用，除了“.hpy5”，但是model.load（“.hpy5”）不起作用.
好的，你是在加载权重后重新编译模型吗？
我只是这样做model = model.load_weights(model_path) 然后训练循环照常继续
好的，我认为您需要在加载权重后重新编译模型。加载权重仅加载权重，因此您需要重新创建模型结构（您的层）、优化器和损失，然后在拟合之前对其进行编译。

标签： tensorflow keras databricks

【解决方案1】：

经过大量研究，我找到了解决方法，

我们也可以使用 model.save("model.hpy5") 并读取数据块中保存的模型。

model.h5 不适用于定制模型，但适用于标准模型。

【讨论】：