嗨，我正在尝试加载在Keras中创建的keras模型：2.2.4版本，并且我试图在以下指定版本中加载。
我试图按如下所述加载模型。
import tensorflow as tf
classifierLoad = tf.keras.models.load_model('w.hdf5')
在加载时显示这样的错误。
/usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/dtypes.py:526：FutureWarning：不建议使用（type，1）或'1type'作为type的同义词；在numpy的未来版本中，它将被理解为（type，（1，））/'（1，）type'。 _np_qint8 = np.dtype（[（“ qint8”，np.int8，1）]） /usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/dtypes.py:527：FutureWarning：不赞成将（type，1）或'1type'作为type的同义词传递；在numpy的未来版本中，它将被理解为（type，（1，））/'（1，）type'。 _np_quint8 = np.dtype（[（“ quint8”，np.uint8，1）]） /usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/dtypes.py:528：FutureWarning：不赞成将（type，1）或'1type'作为type的同义词使用；在numpy的未来版本中，它将被理解为（type，（1，））/'（1，）type'。 _np_qint16 = np.dtype（[（“ qint16”，np.int16，1）]） /usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/dtypes.py:529：FutureWarning：不赞成将（type，1）或'1type'作为type的同义词传递；在numpy的未来版本中，它将被理解为（type，（1，））/'（1，）type'。 _np_quint16 = np.dtype（[（“” quint16“，np.uint16，1）]） /usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/dtypes.py:530：FutureWarning：不赞成将（type，1）或'1type'作为type的同义词使用；在numpy的未来版本中，它将被理解为（type，（1，））/'（1，）type'。 _np_qint32 = np.dtype（[（“ qint32”，np.int32，1）]） /usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/dtypes.py:535：FutureWarning：不赞成将（type，1）或'1type'作为type的同义词使用；在numpy的未来版本中，它将被理解为（type，（1，））/'（1，）type'。 np_resource = np.dtype（[（“ resource”，np.ubyte，1）]） 警告：tensorflow：从/usr/local/lib/python3.6/dist-packages/tensorflow/python/ops/resource_variable_ops.py:435：不推荐使用colocate_with（来自tensorflow.python.framework.ops），并将在未来版本。 更新说明： 托管由托管服务器自动处理。 2020-02-20 18：17：45.291135：W tensorflow / core / platform / profile_utils / cpu_utils.cc：98]无法在/ proc / cpuinfo中找到Bogomips；无法确定CPU频率 2020-02-20 18：17：45.292283：我tensorflow / compiler / xla / service / service.cc：161] XLA服务0x27584260在平台Host上执行计算。设备： 2020-02-20 18：17：45.292367：I tensorflow / compiler / xla / service / service.cc：168] StreamExecutor设备（0）：、 2020-02-20 18：17：45.438308：我tensorflow / stream_executor / cuda / cuda_gpu_executor.cc：965] ARM64不支持NUMA-返回NUMA节点为零 2020-02-20 18：17：45.438696：我tensorflow / compiler / xla / service / service.cc：161] XLA服务0x237da820在平台CUDA上执行计算。设备： 2020-02-20 18：17：45.438755：I tensorflow / compiler / xla / service / service.cc：168] StreamExecutor设备（0）：NVIDIA Tegra X1，计算能力5.3 2020-02-20 18：17：45.439077：I tensorflow / core / common_runtime / gpu / gpu_device.cc：1433]找到了具有以下属性的设备0： 名称：NVIDIA Tegra X1主要：5个次要：3个内存时钟频率（GHz）：0.9216 pciBusID：0000：00：00.0 totalMemory：3.87GiB空闲内存：569.37MiB 2020-02-20 18：17：45.439136：I tensorflow / core / common_runtime / gpu / gpu_device.cc：1512]添加可见的gpu设备：0 2020-02-20 18：17：50.292455：I tensorflow / core / common_runtime / gpu / gpu_device.cc：984]设备互连StreamExecutor具有强度1边缘矩阵： 2020-02-20 18：17：50.295363：I tensorflow / core / common_runtime / gpu / gpu_device.cc：990] 0 2020-02-20 18：17：50.295391：I tensorflow / core / common_runtime / gpu / gpu_device.cc：1003] 0：N 2020-02-20 18：17：50.295579：我tensorflow / core / common_runtime / gpu / gpu_device.cc：1115]创建了TensorFlow设备（/ job：localhost /副本：0 /任务：0 /设备：GPU：0和105 MB内存）->物理GPU（设备：0，名称：NVIDIA Tegra X1，pci总线ID：0000：00：00.0，计算能力：5.3） 追溯（最近一次通话）： 文件“ conversion_keras_to_trt.py”，第32行，在 模型= load_model（model_fname，custom_objects = {'Adam'：lambda ** kwargs：hvd.DistributedOptimizer（keras.optimizers.Adam（** kwargs））}} 在load_model中的文件“ /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/saving.py”，第249行 optimizer_config，custom_objects = custom_objects） 反序列化文件“ /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/optimizers.py”，第838行 printable_module_name ='优化器'） deserialize_keras_object中的第194行的文件“ /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/utils/generic_utils.py” 返回cls.from_config（cls_config） 文件“ /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/optimizers.py”，第159行，位于from_config 返回cls（** config） init 中的文件“ /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/optimizers.py”，第471行 超级（亚当，自我）。初始化（**假人） init 中的文件“ /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/optimizers.py”，第68行 '传递给优化器：'+ str（k）） TypeError：意外的关键字参数传递给了优化器：名称
任何建议
答案 0 :(得分：3)
您的问题来自以下事实：您混合使用普通的keras和tensorflow.keras版本。
它们不兼容。将来，如果要训练模型，请确保在例如tensorflow.keras的地方训练模型，然后在测试时从tensorflow.keras加载。
答案 1 :(得分：0)
我已经建立了一种加载模型的方法，我认为这不是一种正确的方法，但是，我所做的是，我开始对模型加载的keras 2.3.1版本和tensorflow 1.14.1版本进行培训。