歡迎您光臨本站 註冊首頁

解決Keras 中加入lambda層無法正常載入模型問題

←手機掃碼閱讀     zmcjlove @ 2020-06-17 , reply:0

剛剛解決了這個問題,現在記錄下來

問題描述

當使用lambda層加入自定義的函數後,訓練沒有bug,載入保存模型則顯示Nonetype has no attribute 'get'

問題解決方法:

這個問題是由於缺少config信息導致的。lambda層在載入的時候需要一個函數,當使用自定義函數時,模型無法找到這個函數,也就構建不了。

m = load_model(path,custom_objects={"reduce_mean":self.reduce_mean,"slice":self.slice})

其中,reduce_mean 和slice定義如下

    def slice(self,x, turn):      """ Define a tensor slice function      """      return x[:, turn, :, :]    def reduce_mean(self, X):      return K.mean(X, axis=-1)

 

補充知識:含有Lambda自定義層keras模型,保存遇到的問題及解決方案

一,許多應用,keras含有的層已經不能滿足要求,需要透過Lambda自定義層來實現一些layer,這個情況下,只能保存模型的權重,無法使用model.save來保存模型。

保存時會報

TypeError: can't pickle _thread.RLock objects

二,解決方案,為了便於後續的部署,可以轉成tensorflow的PB進行部署。

  from keras.models import load_model  import tensorflow as tf  import os, sys  from keras import backend as K  from tensorflow.python.framework import graph_util, graph_io    def h5_to_pb(h5_weight_path, output_dir, out_prefix="output_", log_tensorboard=True):    if not os.path.exists(output_dir):      os.mkdir(output_dir)    h5_model = build_model()    h5_model.load_weights(h5_weight_path)    out_nodes = []    for i in range(len(h5_model.outputs)):      out_nodes.append(out_prefix + str(i + 1))      tf.identity(h5_model.output[i], out_prefix + str(i + 1))    model_name = os.path.splitext(os.path.split(h5_weight_path)[-1])[0] + '.pb'    sess = K.get_session()    init_graph = sess.graph.as_graph_def()    main_graph = graph_util.convert_variables_to_constants(sess, init_graph, out_nodes)    graph_io.write_graph(main_graph, output_dir, name=model_name, as_text=False)    if log_tensorboard:      from tensorflow.python.tools import import_pb_to_tensorboard      import_pb_to_tensorboard.import_to_tensorboard(os.path.join(output_dir, model_name), output_dir)    def build_model():    inputs = Input(shape=(784,), name='input_img')    x = Dense(64, activation='relu')(inputs)    x = Dense(64, activation='relu')(x)    y = Dense(10, activation='softmax')(x)    h5_model = Model(inputs=inputs, outputs=y)    return h5_model    if __name__ == '__main__':    if len(sys.argv) == 3:      # usage: python3 h5_to_pb.py h5_weight_path output_dir      h5_to_pb(h5_weight_path=sys.argv[1], output_dir=sys.argv[2])

  


[zmcjlove ] 解決Keras 中加入lambda層無法正常載入模型問題已經有148次圍觀

http://coctec.com/docs/python/shhow-post-238841.html