无法使用张量流重新加载保存的Keras模型

Question

我正在使用单个Jupyter笔记本工作。 我使用keras创建并训练了一个非常简单的CNN。 它可以编译，拟合并预测良好。 我将其保存为：

model.save("mymodel.hd5")

模型是keras.models.Sequential。

然后，我读回：

reload_keras_model = keras.models.load_model("mymodel.hd5")

那也很好。 但是，如果我尝试通过以下方式使用tensorflow来读取模型：

from tensorflow.keras.models import load_model
reload_tf_mmodel = load_model("mymodel.hd5")

失败与：

ValueError: Unknown layer:layers

我在github上阅读的大多数线程都说“更新您的模型”或有关自定义对象的注释（我不使用任何对象）。 我的目标平台是rpi zero，我已经能够安装tf但无法安装keras，这就是为什么我要通过tf加载的原因。 为什么keras和tf.keras会以不同的方式处理此模型，我需要更新/更改以使用tf.keras读取它吗？

Answer 1

尽管keras（可以）将TF用作后端，但它不能保证所保存的模型也可以在TF中读取。

请注意，您可以将keras与theano和tf一起使用，因此reload_keras_model = keras.models.load_model("mymodel.hd5")在两个后端都可以正常工作，因为保存/加载是在“ keras”部分完成的，而不是使用后端。

您可以使用此工具： keras_to_tensorflow

或类似的东西。