[英]Loading saved model (Bidirectional LSTM) in Keras
我成功通過以下方法在Keras中訓練並保存了雙向LSTM模型:
model = Sequential()
model.add(Bidirectional(LSTM(N_HIDDEN_NEURONS,
return_sequences=True,
activation="tanh",
input_shape=(SEGMENT_TIME_SIZE, N_FEATURES))))
model.add(Bidirectional(LSTM(N_HIDDEN_NEURONS)))
model.add(Dropout(0.5))
model.add(Dense(N_CLASSES, activation='sigmoid'))
model.compile('adam', 'binary_crossentropy', metrics=['accuracy'])
model.fit(X_train, y_train,
batch_size=BATCH_SIZE,
epochs=N_EPOCHS,
validation_data=[X_test, y_test])
model.save('model_keras/model.h5')
但是,當我要加載它時:
model = load_model('model_keras/model.h5')
我收到一個錯誤:
ValueError:您正在嘗試將包含3層的權重文件加載到具有0層的模型中。
我還嘗試了不同的方法,例如分別保存和加載模型體系結構和權重,但是沒有一個對我有用。 另外,以前,當我使用普通的(單向)LSTM時,加載模型可以正常工作。
如@mpariente和@today所述, input_shape
是雙向的參數,不是LSTM,請參閱Keras文檔 。 我的解決方案:
# Model
model = Sequential()
model.add(Bidirectional(LSTM(N_HIDDEN_NEURONS,
return_sequences=True,
activation="tanh"),
input_shape=(SEGMENT_TIME_SIZE, N_FEATURES)))
model.add(Bidirectional(LSTM(N_HIDDEN_NEURONS)))
model.add(Dropout(0.5))
model.add(Dense(N_CLASSES, activation='sigmoid'))
model.compile('adam', 'binary_crossentropy', metrics=['accuracy'])
model.fit(X_train, y_train,
batch_size=BATCH_SIZE,
epochs=N_EPOCHS,
validation_data=[X_test, y_test])
model.save('model_keras/model.h5')
然后,要加載,只需執行以下操作:
model = load_model('model_keras/model.h5')
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.