技術標籤：tensorflowpython深度學習

TensorFlow版本是1.15.0，沒有用2.0版本，用2.0版本會有一些問題，我參考的是https://github.com/amir-abdi/keras_to_tensorflow，直接執行會報一些錯誤，我遇到的錯誤有很多，解決之後就能生成固化模型了

報錯1：tensorflow.python.framework.errors_impl.FailedPreconditionError: Attempting to use uninitialized val

原因：sess沒有初始化

解決方式：在sess = K.get_session()後加上初始化程式碼，如下所示

sess = K.get_session()
######## 初始化sess
init = tf.global_variables_initializer()
sess.run(init)

報錯2：ImportError: Could not find 'cudart64_100.dll' ，也會出現類似的錯誤，找不到dll檔案
原因：缺少cudart64_100.dll檔案
解決方式：下載dll檔案放到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin路徑下，這是我的路徑，根據自己cuda版本不同放到對應的bin裡就可以。

報錯3：ValueError: Unknown initializer: GlorotUniform 
原因：載入模型方法不一致的問題，訓練儲存模型時候用哪種方式，載入的時候也需要用相同的方式，
解決方式：修改load模型的方法，如下所示，可以參考keras文件
 
https://keras.io/getting_started/faq/ 中What are my options for saving models?的回答

from keras.models import load_model
# 將上面的這句話替換成下面的，即可。
from tensorflow.keras.models import load_model

# 在執行此句就不會報錯了
model = load_model('lstm_model.h5')

報錯4：由於檔案中自定義了函式load_model，在解決報錯3後，需要修改了檔案中的自定義函式名稱，如果不修改會有死迴圈出現
解決方式：修改自定義函式名稱，我的修改如下所示

# 原檔案函式名稱是load_model，我修改為load_model_new，避免與報錯3的載入模型函式衝突
def load_model_new(input_model_path, input_json_path=None, input_yaml_path=None):
    print(input_model_path,"input_model_path")
    if not Path(input_model_path).exists():
        raise FileNotFoundError(
            'Model file `{}` does not exist.'.format(input_model_path))
    try:
        # model = keras.models.load_model(input_model_path, compile=False)
        model = load_model(input_model_path)
        return model

修改完成後，在目錄下執行如下命令，input_model為h5模型路徑 ，output_model=輸出模型路徑

python keras_to_tensorflow.py --input_model="model.h5" --output_model="model.pb"