使用来自CSV的数据设置权重时没有错误，但是使用Keras加载的权重评估模型时出现问题。
我知道我可以将权重保存为.h5文件，但仅限于使用CSV文件。
我尝试致电：
keras.backend.clear_session（）
keras.backend.set_learning_phase（0）
设置权重之后但评估模型之前。
清除会话的效果似乎更好一些，错误消息此后发生了改变。
import tensorflow as tf
from tensorflow import keras
import numpy as np
from keras import models
from keras import layers
from keras import regularizers
model = models.Sequential()
model.add(layers.Embedding(512, 64))
model.add(layers.Conv1D(64, 5, activation='elu'))
model.add(layers.MaxPooling1D(3))
model.add(layers.Conv1D(32, 3, activation='elu'))
model.add(layers.Bidirectional(layers.LSTM(32, kernel_regularizer=regularizers.l2(0.001)), input_shape=(None, 32)))
model.add(layers.Dense(3, activation='softmax'))
model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
model.summary()
导入CSV文件并将数据重塑为numpy数组后，其形状与训练模型后的形状（在其他笔记本中）
L1 ：numpy数组形状（1、512、64）
L2 ：numpy数组形状（（5，64，64），（64，））
L3 ：numpy数组形状（0，）
L4 ：numpy数组形状（（3，64，32），（32，））
L5 ：numpy数组形状（（32，128），（32，128），（128，），（32，128），（32，128），（128，））
L6 ：导入CSV文件的numpy数组。形状（（64，3），（3，））
W = [L1, L2, L3, L4, L5, L6]
x = 0
for layer in model.layers:
layer.set_weights(W[x])
x += 1
到目前为止，运行代码时没有错误。
现在，我上传了用于训练模型的相同数据，以测试权重是否正确加载：
labels2 ：矢量化的标签（一种热编码）形状（85261，3）
特征：形状为（85261，80）的numpy数组
keras.backend.clear_session()
keras.backend.set_learning_phase(0)
scores = model.evaluate(features, labels2, batch_size=512, verbose=1, steps=None)
当训练原始模型时，我希望得到相同的结果。数据（功能，标签）相同。但是不能运行评估或预测命令。
我收到以下错误：
InvalidArgumentErrorTraceback (most recent call last)
<ipython-input-6-bb913425426a> in <module>()
1
----> 2 scores = model.evaluate(features, labels2, batch_size=512, verbose=1, steps=None)
3 print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))
/usr/local/lib/python2.7/dist-packages/keras/engine/training.pyc in evaluate(self, x, y, batch_size, verbose, sample_weight, steps)
1111 batch_size=batch_size,
1112 verbose=verbose,
-> 1113 steps=steps)
1114
1115 def predict(self, x,
/usr/local/lib/python2.7/dist-packages/keras/engine/training_arrays.pyc in test_loop(model, f, ins, batch_size, verbose, steps)
390 ins_batch[i] = ins_batch[i].toarray()
391
--> 392 batch_outs = f(ins_batch)
393 if isinstance(batch_outs, list):
394 if batch_index == 0:
/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.pyc in __call__(self, inputs)
2713 return self._legacy_call(inputs)
2714
-> 2715 return self._call(inputs)
2716 else:
2717 if py_any(is_tensor(x) for x in inputs):
/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.pyc in _call(self, inputs)
2673 fetched = self._callable_fn(*array_vals, run_metadata=self.run_metadata)
2674 else:
-> 2675 fetched = self._callable_fn(*array_vals)
2676 return fetched[:len(self.outputs)]
2677
/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.pyc in __call__(self, *args, **kwargs)
1437 ret = tf_session.TF_SessionRunCallable(
1438 self._session._session, self._handle, args, status,
-> 1439 run_metadata_ptr)
1440 if run_metadata:
1441 proto_data = tf_session.TF_GetBuffer(run_metadata_ptr)
/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/errors_impl.pyc in __exit__(self, type_arg, value_arg, traceback_arg)
526 None, None,
527 compat.as_text(c_api.TF_Message(self.status.status)),
--> 528 c_api.TF_GetCode(self.status.status))
529 # Delete the underlying status object from memory otherwise it stays alive
530 # as there is a reference to status from this from the traceback due to
InvalidArgumentError: indices[192,4] = -1 is not in [0, 512)
[[{{node embedding_1/embedding_lookup}} = GatherV2[Taxis=DT_INT32, Tindices=DT_INT32, Tparams=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:CPU:0"](embedding_1/embeddings/read, embedding_1/Cast, embedding_1/embedding_lookup/axis)]]
如果在评估模型之前添加 keras.backend.clear_session（），则会收到以下错误消息：
ValueError: Tensor Tensor("loss/add_1:0", shape=(), dtype=float32) is not an element of this graph.