Tensorflow2.0 tf.keras.Model.load_weights() 报错处理问题如何解决？

这篇文章将为大家详细讲解有关Tensorflow2.0 tf.keras.Model.load_weights() 报错处理问题如何解决？，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

错误描述：

1、保存模型：model.save_weights('./model.h6')

2、脚本重启

3、加载模型：model.load_weights('./model.h6')

4、模型报错：ValueError: You are trying to load a weight file containing 12 layers into a model with 0 layers.

问题分析：

模型创建后还没有编译，一般是在模型加载前调用model.build(input_shape), 但我通过Dataset将输入已经变为dict格式了，暂时没找这样输入怎么匹配input_shape参数

解决方法：

model.fit(train_dataset, epochs=0)

将epochs设为0，这样模型在编译的同时不会训练数据，减少耗费的时间，之后就可以正常加载保存的参数了

补充知识：调用Kears中kears.model.load_model方法遇到的问题和解决方法

之前一直使用tf和pytorch，就算是tf也是tf.estimator用得比较多，很少使用keras，最近尝试使用kears快速训练和部署一些分类任务,在使用load_model的时候遇到一些问题

问题1：

SystemError: unknown opcode

原因是因为模型定义用到了lambda

gap = Lambda(lambda x: x[0]/x[1], name = 'RescaleGAP')([gap_features, gap_mask])

我在python3.5的环境训练的模型，python3.6的环境load模型。两个环境的lambda有差异，这个问题。

问题2：

ValueError: Unknown metric function:****

我的错误是

ValueError: Unknown metric function:top_2_accuracy

因为在构建模型时，使用了自己定义的top_2_accuracy方法，所以在load_model时需要将top_2_accuracy做为参数传进去

from keras.models import load_model
from keras.metrics import top_k_categorical_accuracy
 
def top_2_accuracy(in_gt, in_pred):
  return top_k_categorical_accuracy(in_gt, in_pred, k=2)
 
model = load_model("model.h6",custom_objects={'top_2_accuracy': top_2_accuracy})

关于Tensorflow2.0 tf.keras.Model.load_weights() 报错处理问题如何解决？就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。