解決Keras 中加入lambda層無法正常載入模型問題
阿新 • • 發佈:2020-06-17
剛剛解決了這個問題,現在記錄下來
問題描述
當使用lambda層加入自定義的函式後,訓練沒有bug,載入儲存模型則顯示Nonetype has no attribute 'get'
問題解決方法:
這個問題是由於缺少config資訊導致的。lambda層在載入的時候需要一個函式,當使用自定義函式時,模型無法找到這個函式,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,儲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,只能儲存模型的權重,無法使用model.save來儲存模型。
儲存時會報
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,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])
以上這篇解決Keras 中加入lambda層無法正常載入模型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。