UserWarning：在保存文件中找不到训练配置：*未*编译模型。手动编译

Question

经过培训之后，我想通过加载创建的model.h5并执行评估程序来检查准确性。但是，我收到以下警告：

  

/usr/local/lib/python3.5/dist-packages/keras/engine/saving.py:269：   UserWarning：在保存文件中找不到训练配置：模型   是 not 编译的。手动编译。 warnings.warn（'不接受任何培训   在保存文件中找到配置：

此dist-packages/keras/engine/saving.py文件

所以在加载创建的模型时出现问题->这行代码

train_model = load_model('model.h5')

问题表明该模型尚未编译，但是我做到了。

optimizer = Adam(lr=lr, clipnorm=0.001)
train_model.compile(loss=dummy_loss, optimizer=optimizer)

我不明白自己在做什么错。 。 。 请帮我！ SOS：-（

Answer 1

保存模型时会收到此警告吗？

WARNING:tensorflow:TensorFlow optimizers do not make it possible to access 
optimizer attributes or optimizer state after instantiation. As a result, we 
cannot save the optimizer as part of the model save file.You will have to 
compile your model again after loading it. Prefer using a Keras optimizer 
instead (see keras.io/optimizers).

似乎keras无法保存tensorflow优化器：/

Answer 2

如前所述，keras无法保存Tensorflow优化器。使用keras之一：

optimizer = keras.optimizers.Adam(lr=0.0001, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0.0, amsgrad=False)

model.compile(optimizer=optimizer,
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(...)
model.save('...')

这种方法对我有效，而无需在调用load之后手动编译。

Answer 3

简介

我想补充olejorgenb的答案-对于特定的情况，您不想训练模型，只需使用它（例如在生产中）。

“编译”是指“准备培训”，主要包括设置优化程序。它也可能之前已经保存过，然后您可以在加载保存的模型后继续进行“相同”训练。

修复

但是，该场景如何-我只想运行模型？好吧，像这样对compile=False使用load_model参数：

trained_model = load_model('model.h5', compile=False)

如果不先使用.fit()，将无法trained_model.compile(...)使用此模型，但最重要的是-警告将消失。

其他注释

顺便说一句，在我的Keras版本中，参数include_optimizer的默认值为True。这也适用于像Checkpoint这样的trainig回调。这意味着，在加载Keras保存的模型时，通常可以指望所包含的优化器（情况除外：请参见Hull Gasper的回答）。

但是，当您拥有未经Keras训练的模型时（例如，转换由Darknet训练的模型时），该模型将保存为未编译状态。这样会产生警告，您可以按照上述方法消除警告。