tensorflow keras 負載型號重量

Question

我最近保存了一些我在另一台機器上訓練過的模型，並沒有像我在其他模型中看到的那樣使用h5擴展保存它。 我還不知道如何加載重物。 我可以加載 model，但沒有重量意味着什么都沒有。 請幫忙：-）

from keras.models import load_model
from keras.models import model_from_json

​
model_LSTM_rendimiento = keras.models
model_LSTM_super = keras.models
model_LSTM_primero = keras.models

model_LSTM_rendimiento.load_model('../model_LSTM_rendimiento')
model_LSTM_super.load_model('../model_LSTM_super')
model_LSTM_primero.load_model('../model_LSTM_primero')

model_LSTM_primero.load_weights('../model_LSTM_primero_weights')

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
/tmp/ipykernel_186379/3422008780.py in <module>
     12 # model_LSTM_super.load_weights('../model_LSTM_super_weights')
     13 model_LSTM_primero.load_model('../model_LSTM_primero')
---> 14 model_LSTM_primero.load_weights('../model_LSTM_primero_weights')

AttributeError: module 'keras.models' has no attribute 'load_weights'

Answer 1

由於您尚未將 model 保存為 h5 格式，因此我假設您使用了 SavedModel 格式，如下所示：

model.save('path/to/location')

如果這是您所做的，那么像這樣加載 model 就足夠了：

model = keras.models.load_model('path/to/location')

您不必單獨加載砝碼； 來自 SavedModel 文檔：

SavedModel 是更全面的保存格式，它保存了 model 架構、權重和調用函數的跟蹤 Tensorflow 子圖。 這使 Keras 能夠恢復內置層和自定義對象。

你的代碼：

from tensorflow import keras

model_LSTM_rendimiento = keras.models.load_model('../model_LSTM_rendimiento')
model_LSTM_super = keras.models.load_model('../model_LSTM_super')
model_LSTM_primero = keras.models.load_model('../model_LSTM_primero')