Keras：无法继续训练已加载的模型

Question

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fit函数时，它会弄乱我的权重并给出不正确的预测。但是，当我在不运行拟合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）： 我还没弄清楚问题的根源。但似乎我加载的模型保存在Keras 2.0.6上，我将它加载到Keras 2.1.5上。使用“save_weights”和“load_weights”函数的东西不起作用，所以我不得不在我从头开始手动构建的体系结构上逐层加载权重（使用json从保存的模型中加载体系结构）：

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

Answer 1

它看起来很像优化程序的问题。例如，如果学习率未正确保存为该值，则会在上次训练时结束，然后以更大的值重新开始。在这种情况下，跑步时可能会导致体重增加。