如何更新經過訓練的 model 中使用的 python 庫的版本

Question

我在 Google colab 上訓練了一個 model，然后將其丟棄，然后我在我的系統上完成了 VS Code 上的項目。 我收到一條錯誤消息，指出版本不匹配，因為我有最新版本的庫，而 colab 有舊版本。 我在我的系統上重新訓練了 model，這花了很多時間，因為我的系統只有基本配置。 我對 colab 的唯一用途是將訓練壓力放在 colab 而不是我的系統上

我不知道會有版本沖突，因為我認為 Colab 會有最新版本的庫

Answer 1

我在 colab (Google) tensorflow 版本 2.9.2 和我的 Raspberry 4 tensorflow 版本 2.4.1 中。 所以不同的版本。 我在 colab 中使用 input_shape(220,220,3) 進行了預訓練 model VGG19。 我將圖像分類為 2 種類型

因此，一旦我在 Colab.Google 環境中訓練了 model，然后從 Colab 中訓練了 model 及其權重。

# serialize model to JSON
model_json =  loaded_model2.to_json()
with open('/content/drive/MyDrive/dataset/extract/model_5.json', "w") as json_file:
    json_file.write(model_json)
# serialize weights to HDF5

loaded_model2.save_weights('/content/drive/MyDrive/model_5.h5')
print("Saved model to disk")

正如我所指出的，我打算在我的 Raspberry4 上使用經過訓練的 model。 因此，我在 Raspberry 上創建了一個 model，就像我在 Colab 中所做的那樣，但我不“適合”。 我接下來要做的是使用在 Colab.Google 中生成的“權重”加載 .h5 文件。 原則上這對我有用

model_new = tf.keras.Sequential()
model_new.add(tf.keras.applications.VGG19(include_top=false, weights='imagenet',pooling='avg',input_shape=(220,220,3)))
model_new.add(tf.keras.layers.Dense(2,activation="softmax"))
opt = tf.keras.optimizers.SGC(0,004)
model_new.compile(loss='categorical_crossentropy',optimizer=opt,metrics=['accuracy'])

model_new.load_weights('/home/pi/projects/models/model_5.h5)