錯誤描述：

1、儲存模型：model.save_weights('./model.h5')

2、指令碼重啟

3、載入模型：model.load_weights('./model.h5')

4、模型報錯：ValueError: You are trying to load a weight file containing 12 layers into a model with 0 layers.

問題分析：

模型建立後還沒有編譯，一般是在模型載入前呼叫model.build(input_shape),但我通過Dataset將輸入已經變為dict格式了，暫時沒找這樣輸入怎麼匹配input_shape引數

解決方法：

model.fit(train_dataset,epochs=0)

將epochs設為0，這樣模型在編譯的同時不會訓練資料，減少耗費的時間，之後就可以正常載入儲存的引數了

補充知識：呼叫Kears中kears.model.load_model方法遇到的問題和解決方法

之前一直使用tf和pytorch，就算是tf也是tf.estimator用得比較多，很少使用keras，最近嘗試使用kears快速訓練和部署一些分類任務,在使用load_model的時候遇到一些問題

問題1：

SystemError: unknown opcode

原因是因為模型定義用到了lambda

gap = Lambda(lambda x: x[0]/x[1],name = 'RescaleGAP')([gap_features,gap_mask])

我在python3.5的環境訓練的模型，python3.6的環境load模型。兩個環境的lambda有差異，這個問題。

問題2：

ValueError: Unknown metric function:****

我的錯誤是

ValueError: Unknown metric function:top_2_accuracy

因為在構建模型時，使用了自己定義的top_2_accuracy方法，所以在load_model時需要將top_2_accuracy做為引數傳進去

from keras.models import load_model
from keras.metrics import top_k_categorical_accuracy
 
def top_2_accuracy(in_gt,in_pred):
  return top_k_categorical_accuracy(in_gt,in_pred,k=2)
 
model = load_model("model.h5",custom_objects={'top_2_accuracy': top_2_accuracy})

以上這篇解決Tensorflow2.0 tf.keras.Model.load_weights() 報錯處理問題就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。