在Keras中加載保存的模型（雙向LSTM）

Question

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。

Answer 1

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')