我正在训练一个简单的小型神经网络，以解决调节电动机速度的基本问题。我希望能够保存模型并退出程序，然后稍后加载并恢复训练。
以下是相关代码：
self.model = Sequential()
self.model.add(InputLayer(2))
self.model.add(Dense(6, activation='relu'))
self.model.add(Dense(9, activation='linear'))
self.model.compile(loss='mse', optimizer='adam', metrics=['mae'])
# ... Loop for training and Evaluation (Deep Q Learner) ...
learn(self.model)
self.model.save('motor_model', save_format='tf')
现在，在训练之后，我希望能够加载模型并继续训练
self.model = models.load_model('motor_model', compile=False)
# ... Loop for training and Evaluation (Deep Q Learner) ...
learn(self.model)
我第一次运行模型可以正常工作。但是，在保存和加载模型后，它不会。加载模型后，我可以调用预测函数：
prediction = self.model.predict(currentInput)
但是，当我调用预报函数时，它会失败：
self.model.fit(self.input, target_vec.reshape(-1, 9), epochs=1, verbose=0)
我得到的错误是：
2019-12-07 07：22：00.762174：W tensorflow / c / c_api.cc：326]操作 '{name：'sequential / dense / StatefulPartitionedCall'
id：33 op device：{} def：{{{node 顺序/密集/ StatefulPartitionedCall}} = StatefulPartitionedCall [Tin = [DT_FLOAT，DT
_RESOURCE，DT_RESOURCE]，Tout = [DT_FLOAT，DT_FLOAT，DT_FLOAT，DT_FLOAT]，_ gradient_op_type =“ PartitionedCall-298”，conf
ig =“”， config_proto =“ \ n \ 007 \ n \ 003CPU \ 020 \ 001 \ n \ 007 \ n \ 003GPU \ 020 \ 0002 \ 002J \ 0008 \ 001”， executor_type =“”，f = __ forward_re
stored_function_body_509 []]（输入_1，密集/内核，密集/偏差）}}'是 运行后通过设置属性进行更改b
一个会话。此突变将无效，并会触发 未来的错误。要么不要修改节点af
运行它们或创建一个新会话。 2019-12-07 07：22：03.320478： W tensorflow / python / util / util.cc：299]集不是当前的 被认为是序列，但是
将来可能会更改，因此请考虑避免使用它们。 追溯（最近一次通话）：文件 “ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py”， _do_call中的1363行 返回fn（* args）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py”， _run_fn中的第1346行 self._extend_graph（）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py”， _extend_graph中的第1386行 tf_session.ExtendSession（self._session）tensorflow.python.framework.errors_impl.InvalidArgumentError：节点 '训练/亚当/梯度/梯度/顺序/密度
e_1 / StatefulPartitionedCall_grad / PartitionedCall'：连接到 源节点顺序/ dense_1 / S的无效输出1
tatefulPartitionedCall具有1个输出。在处理上述异常期间，发生了另一个异常：
回溯（最近一次通话最后一次）：文件“ ct2.py”，第47行，在 leftController.to_position（target，overlayAction）文件“ /opt/mowzr/motor_controller.py”，第94行，位于to_position self.model.fit（self.prevInput，target_vec.reshape（-1，9），epochs = 1，verbose = 0）文件 “ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/engine/training.py”， 766号线，适合 use_multiprocessing = use_multiprocessing）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/engine/training_arrays.py”， 第680行，在
适合 steps_name ='steps_per_epoch'）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/engine/training_arrays.py”， 第275行，在
model_iteration model.reset_metrics（）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/engine/training.py”， 第953行，位于reset_m
度量 m.reset_states（）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/metrics.py”， 第209行，处于reset_states K.batch_set_value（[[（v，0）for self.variables中的v]）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/backend.py”， 第3343行，在batch_set_valu
中 Ë get_session（）。run（assign_ops，feed_dict = feed_dict）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/backend.py”， 第490行，在get_session中 _initialize_variables（session）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/backend.py”， _initialize_var
中的第905行 实物 [[候选人变量中的v的variables_module.is_variable_initialized（v）]）文件 “ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py”， 956行，运行中 run_metadata_ptr）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py”， _run中的1179行 feed_dict_tensor，选项，run_metadata）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py”， _do_run中的第1357行 run_metadata）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py”， 1382行，_do_call 提高类型（e）（node_def，op，消息）tensorflow.python.framework.errors_impl.InvalidArgumentError：节点 '训练/亚当/梯度/梯度/顺序/密度
e_1 / StatefulPartitionedCall_grad / PartitionedCall'：连接到 源节点顺序/ dense_1 / S的无效输出1
tatefulPartitionedCall具有1个输出。在处理上述异常期间，发生了另一个异常：
回溯（最近通话最近）：文件 “ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py”， _do_call中的1363行 返回fn（* args）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py”， _run_fn中的第1346行 self._extend_graph（）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py”， _extend_graph中的第1386行 tf_session.ExtendSession（self._session）tensorflow.python.framework.errors_impl.InvalidArgumentError：节点 '训练/亚当/梯度/梯度/顺序/密度
e_1 / StatefulPartitionedCall_grad / PartitionedCall'：连接到 源节点顺序/ dense_1 / S的无效输出1
tatefulPartitionedCall具有1个输出。在处理上述异常期间，发生了另一个异常：
回溯（最近一次通话最近）：文件“ ct2.py”，第53行，在 leftController.saveModel（）文件中的“ /opt/mowzr/motor_controller.py”行116，在saveModel中 self.model.save（'motor_model'，save_format ='tf'）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/engine/network.py”， 986行，保存中 签名，选项）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/saving/save.py”， 第115行，在save_model中 签名，选项）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/saving/saved_model/save.py”， 第74行，在
保存 save_lib.save（模型，文件路径，签名，选项）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/saved_model/save.py”， 保存中的第924行 object_saver.save（utils_impl.get_variables_path（export_dir））文件 “ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/training/tracking/util.py”， 1161行，保存 session = get_session（）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/training/tracking/util.py”， get_ses中的第71行
sion session = keras_backend.get_session（）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/backend.py”， 第490行，在get_session中 _initialize_variables（session）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/backend.py”， _initialize_var
中的第905行 实物 [[候选人变量中的v的variables_module.is_variable_initialized（v）]）文件 “ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py”， 956行，运行中 run_metadata_ptr）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py”， _run中的1179行 feed_dict_tensor，选项，run_metadata）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py”， _do_run中的第1357行 run_metadata）文件“ /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py”， 1382行，_do_call 提高类型（e）（node_def，op，消息）tensorflow.python.framework.errors_impl.InvalidArgumentError：节点 '训练/亚当/梯度/梯度/顺序/密度
e_1 / StatefulPartitionedCall_grad / PartitionedCall'：连接到 源节点顺序/ dense_1 / S的无效输出1
tatefulPartitionedCall具有1个输出。
答案 0 :(得分：0)
我遇到了同样的错误。
我不知道到底是什么导致了这个错误，但是有一种解决方法（虽然不是一个很漂亮的方法）。使用相同的架构创建模型，然后将权重设置为加载的模型权重：
self.model = self.create_model()
self.model.set_weights(load_model("sample.model").get_weights())