如何使用Keras加载tf.keras模型

Question

我一直在使用Tensorflow 1.12.0中的keras模块来训练和保存模型。我最近遇到了一个看似有用的库，用于可视化权重/输出，但是它们要求将模型作为Keras模型加载。尝试使用keras加载我的tf.keras模型时遇到错误，并希望有人可以提供解决方案。 Python版本3.5.2，Keras版本2.2.4。

我已经为GlorotUniform定义了自定义对象，因为keras无法识别该初始化程序。然后，当我尝试加载模型时，得到一个TypeError。

# This works
model = tf.keras.models.load_model('./densenet_model.h5')

# This does not work
model = keras.models.load_model('./densenet_model.h5', custom_objects={"GlorotUniform": tf.keras.initializers.glorot_uniform})

# This is the error that happens
TypeError: tuple indices must be integers or slices, not list

总而言之，我想知道是否有一种简单的方法可以将用tf.keras创建的模型转换为keras模型。

Answer 1

我想出了一种解决方法。我只是使用tf.keras.load_model加载模型，然后使用save_weights加载。然后，我使用Keras构建相同的模型，只使用load_weights。通过使用验证数据集检查输出，我验证了权重已正确加载。

Answer 2

我使用了from keras.models import load_model而不是from tensorflow.python.keras.models import load_model。问题解决了。