从不同版本的tf.keras加载保存的模型

Loading the saved models from tf.keras in different versions(从不同版本的tf.keras加载保存的模型)

本文介绍了从不同版本的tf.keras加载保存的模型的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!

问题描述

我在Google CoLab中使用TensorFlow和Kera创建了一个图像分类模型。它分别与GPU版本1.15和2.2.4一起保存在那里。现在我想在我的远程机器上加载CPU和1.10和2.2.2版本,我无法做到这一点,而且出错了。这是我第一次使用CNN以及TF和KERAS,所以我不能找出确切的原因和如何解决这个问题。我已经在下面提到了代码和错误:

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.models import load_model
from tensorflow.keras.models import model_from_json

json_file = open('model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)

错误: ValueError:(‘无法识别的关键字参数:’,DICT_KEYS([‘RAGG’]))

推荐答案

TensorFlow1.15包含像粗糙张量支持这样的突破性更改,因此它不支持向后兼容(TF1.10)。这就是问题所在。请尝试使用TensorFlow 1.15加载它,它应该可以工作。

You can load tf1.15+ model using tf1.15-2.1. Then save only weights to open in tf1.10
___________________________________________________________________
# In tensorflow 1.15-2.1
# Load model
model = load_model("my_model.h5")

# Save weights and architecture
model.save_weights("weights_only.h5")

# Save model config
json_config = model.to_json()
with open('model_config.json', 'w') as json_file:
json_file.write(json_config)
___________________________________________________________________
# In tensorflow 1.10
# Reload the model from the 2 files we saved
with open('model_config.json') as json_file:
json_config = json_file.read()
new_model = tf.keras.models.model_from_json(json_config)

# Load weights
new_model.load_weights('weights_only.h5')

您可以参考该链接以更好地了解LINK

这篇关于从不同版本的tf.keras加载保存的模型的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持编程学习网!

本文标题为:从不同版本的tf.keras加载保存的模型

基础教程推荐