Question

我callbacks.ModelCheckpoint()使用HDF5文件自动保存了模型。

# Checkpoint In the /output folder
filepath = "./model/mnist-cnn-best.hd5"

# Keep only a single checkpoint, the best over test accuracy.
checkpoint = keras.callbacks.ModelCheckpoint(filepath, monitor='val_acc', 
                                             verbose=1, save_best_only=True,
                                             mode='max')

# Train
model.fit(x_train, y_train,
          batch_size=batch_size,
          epochs=epochs,
          verbose=1,
          validation_data=(x_test, y_test),
          callbacks=[checkpoint])

当我加载模型时，发生了错误。

  model = keras.models.load_model("./mnist-cnn-best.hd5")

  File "D:\Program Files\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\saving.py", line 251, in load_model
    training_config['weighted_metrics'])
KeyError: 'weighted_metrics'

如果我使用参数' compile = False '加载模型，则它可以正常工作。

我知道在keras中保存模型的正常方法是：

from keras.models import load_model

model.save('my_model.h5')  # creates a HDF5 file 'my_model.h5'
del model  # deletes the existing model

# returns a compiled model
# identical to the previous one
model = load_model('my_model.h5')

顺便说一句，当我通过Tensorflow Lite转换此模型时，也会发生此错误。但是我不知道我的模型出了什么问题。有人有主意吗？

Answer 1

我遇到了类似的问题，并产生了相同的错误消息，但原因可能与您的不同：

代码：（Tensorflow 1.11和tf.keras。版本：2.1.6-tf）

 if load_model_path.endswith('.h5'):
        model = tf.keras.models.load_model(load_model_path)

错误消息：

  File "...../lib/python3.6/site-packages/tensorflow/python/keras/engine/saving.py", line 251, in load_model
    training_config['weighted_metrics'])
KeyError: 'weighted_metrics'

我发现这是因为该模型保存在较旧的Keras版本中。我不得不注释掉与weighted_metrics相关的代码，以便能够加载模型。但是，这只是一个变通办法，在我找到不匹配问题的可持续解决方案之前。有趣的是，@fchollet最近在最新的Keras版本（2018年10月）中添加了weighted_metrics。
https://github.com/keras-team/keras/blob/master/keras/engine/saving.py#L136 我希望这将对遇到与我一样的问题的人们有所帮助。

Answer 2

如果您还没有找到答案，我想我已经知道了。

我没有深入研究代码来确切地找出原因，但是基本上只能通过load_weights()函数来加载模型检查点回调，然后将其用于评估。

如果要保存模型，以便以后加载以再次训练，则需要使用model.save和model.load_model。希望对那些徘徊的人有所帮助。

Answer 3

我通常使用的方式如下：

def create_model():
    <my model>
    <model.compile>
    return model
checkpoint = keras.callbacks.ModelCheckpoint(filepath, verbose=<val>, monitor=<val>, save_best_only=True, save_weights_only=True)

classifier = create_model()
classifier.fit(<your parameters>)
classifier.evaluate(<your parameters>)

loaded_model = create_model()
loaded_model.load_weights(filepath)
y_pred = loaded.model.<predict_method>(test_set,verbose=<val>)
'''

在Keras中

3 个答案: