Tensorflow2.0 tf.keras.Model.load_weights() 報錯處理問題如何解決？

這篇文章將為大家詳細講解有關Tensorflow2.0 tf.keras.Model.load_weights() 報錯處理問題如何解決？，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

錯誤描述：

1、保存模型：model.save_weights('./model.h6')

2、腳本重啟

3、加載模型：model.load_weights('./model.h6')

4、模型報錯：ValueError: You are trying to load a weight file containing 12 layers into a model with 0 layers.

問題分析：

模型創建后還沒有編譯，一般是在模型加載前調用model.build(input_shape), 但我通過Dataset將輸入已經變為dict格式了，暫時沒找這樣輸入怎么匹配input_shape參數

解決方法：

model.fit(train_dataset, epochs=0)

將epochs設為0，這樣模型在編譯的同時不會訓練數據，減少耗費的時間，之后就可以正常加載保存的參數了

補充知識：調用Kears中kears.model.load_model方法遇到的問題和解決方法

之前一直使用tf和pytorch，就算是tf也是tf.estimator用得比較多，很少使用keras，最近嘗試使用kears快速訓練和部署一些分類任務,在使用load_model的時候遇到一些問題

問題1：

SystemError: unknown opcode

原因是因為模型定義用到了lambda

gap = Lambda(lambda x: x[0]/x[1], name = 'RescaleGAP')([gap_features, gap_mask])

我在python3.5的環境訓練的模型，python3.6的環境load模型。兩個環境的lambda有差異，這個問題。

問題2：

ValueError: Unknown metric function:****

我的錯誤是

ValueError: Unknown metric function:top_2_accuracy

因為在構建模型時，使用了自己定義的top_2_accuracy方法，所以在load_model時需要將top_2_accuracy做為參數傳進去

from keras.models import load_model
from keras.metrics import top_k_categorical_accuracy
 
def top_2_accuracy(in_gt, in_pred):
  return top_k_categorical_accuracy(in_gt, in_pred, k=2)
 
model = load_model("model.h6",custom_objects={'top_2_accuracy': top_2_accuracy})

關于Tensorflow2.0 tf.keras.Model.load_weights() 報錯處理問題如何解決？就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。