Question

我有一个Keras模型，我想在其中添加一个常数到预测中。经过一番谷歌搜索后，我得到了以下代码，该代码完全符合我的要求：

import numpy as np
from keras.layers import Input, Add
from keras.backend import variable
from keras.models import Model, load_model

inputs = Input(shape=(1,))
add_in = Input(tensor=variable([[5]]), name='add')
output = Add()([inputs, add_in])

model = Model([inputs, add_in], output)
model.compile(loss='mse', optimizer='adam')

X = np.array([1,2,3,4,5,6,7,8,9,10])
model.predict(X)

但是，如果我保存并加载此模型，Keras似乎会失去对常数的跟踪：

p = 'k_model.hdf5'
model.save(p)
del model
model2 = load_model(p)
model2.predict(X)

哪个返回：

检查模型时出错：您正在使用的Numpy数组列表传递给您的模型不是模型期望的大小。预期查看2个数组，但得到以下1个数组的列表：

在保存/加载Keras模型时如何包含常量？

Answer 1

由于如前所述，它始终是常量，因此没有必要为其定义单独的Input层；特别考虑到它不是模型的输入。我建议您改用Lambda层：

import numpy as np
from keras.layers import Input, Lambda
from keras.models import Model, load_model

def add_five(a):
    return a + 5

inputs = Input(shape=(1,))
output = Lambda(add_five)(inputs)

model = Model(inputs, output)
model.compile(loss='mse', optimizer='adam')

X = np.array([1,2,3,4,5,6,7,8,9,10])
model.predict(X)

输出：

array([[ 6.],
       [ 7.],
       [ 8.],
       [ 9.],
       [10.],
       [11.],
       [12.],
       [13.],
       [14.],
       [15.]], dtype=float32)

由于add_five函数已存储在模型文件中，因此保存并重新加载模型不会有问题。

更新：您可以将其扩展到每个输入样本包含多个元素的情况。例如，如果输入形状为(2,)，并且您想将5添加到每个样本的第一个元素，将10添加到第二个元素，则可以轻松地修改add_five函数并重新定义它，如下所示：

def add_constants(a):
    return a + [5, 10]  

# ... the same as above (just change the function name and input shape)

X = np.array([1,2,3,4,5,6,7,8,9,10]).reshape(5, 2)
model.predict(X)

输出：

# X
array([[ 1,  2],
       [ 3,  4],
       [ 5,  6],
       [ 7,  8],
       [ 9, 10]])

# predictions
array([[ 6., 12.],
       [ 8., 14.],
       [10., 16.],
       [12., 18.],
       [14., 20.]], dtype=float32)

使用常量保存/加载keras模型

1 个答案: