Question

我正在尝试加载已保存的模型，以便在重新启动内核后将其用于预测。虽然保存模型似乎有效，但加载似乎没有问题。继承人我所做的：

我使用Keras重新训练了VGG16模型：

vgg16_model = keras.applications.vgg16.VGG16()
model = Sequential()
for layer in vgg16_model.layers[:-1]:
    model.add(layer)


model.layers.pop()
for layer in model.layers:
    layer.trainable = False

model.add(Dense(26, activation='softmax'))
model.summary()
model.compile(Adam(lr=.0000025), loss='categorical_crossentropy', metrics=['accuracy'])

接下来我训练了模型：

    model.fit_generator(train_batches,validation_data=validation_batches, 
epochs=85, verbose=1,callbacks=[tbCallBack,earlystopCallback])

最后我像这样保存我的模型：

model.save("model.h5")

现在，当我重新启动内核并使用：

再次加载模型时

from keras.models import load_model

new_model = load_model("model.h5")

当模型加载时，我收到警告告诉我：

C：\用户... \ Anaconda2 \ ENVS \ tensorflow-GPU \ lib中\站点包\ keras \ models.py：291： UserWarning：加载保存的优化器状态时出错。结果是，你的模型是从一个刚刚初始化的优化器开始的 warnings.warn（'加载保存的优化器时出错'

此外，当我使用加载的模型进行预测时，我得到错误的值（与我训练的值非常不同），并且看起来模型根本没有经过训练。但是，当我检查.get_weights时，我看到已加载权重。

我还试图通过json和权重来保存和加载模型，如下所示：

# serialize model to JSON
model_json = model.to_json()
with open("model.json", "w") as json_file:
    json_file.write(model_json)
# serialize weights to HDF5
model.save_weights("model_weights.h5")

并加载：

#load json and create model
json_file = open('model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
load_model = model_from_json(loaded_model_json)
# load weights into new model
load_model.load_weights("model_weights.h5")

虽然以这种方式加载模型并没有给我一个错误信息，但我的预测仍然比我以前训练过的模型差得多。为了确保模型加载工作，我做了以下工作：

我检查了训练模型和加载模型的权重，它们看起来是一样的。
同时检查模型摘要“model.summary（）”显示相同的体系结构。

所以根据我的理解，具有相同的架构和相同的权重应该产生相同的模型，即结果 - 但我无法弄清楚为什么不是这种情况

更让我感到困惑的是，当我使用model.get_weights（）和model.set_weights（）时，它可以很好地工作，例如：

#getting weights from the old model
weights = model.get_weights()

# setting weights of the new model
new_model.set_weights(weights)

Keras VGG16 - model.save和load给出不同的结果

0 个答案: