我有一个 .h5 文件,其中仅包含使用 Mask-RCNN 和 Keras 框架训练来执行对象检测的模型的权重。我想在 Python 中使用 Tensorflow + Keras 加载此模型,并在自定义图像上运行对象检测。
我正在使用 Python 3.8.5,并且我尝试使用
keras.models.load_model()
函数加载此模型,但是当尝试这样做时,我收到错误:
ValueError:在配置文件中找不到模型
我理解这意味着 .h5 文件仅保存了模型权重,为了利用这些权重,我必须将它们加载到具有相同架构的模型中。
我使用 h5py python 模块来查看 .h5 文件内的组,试图了解其架构,但我只看到如下键:(还有很多很多类似的键,但这些只是一般概述我看到的钥匙)
“activation_1”、“add_32”、“bn2a_branch1”、“res5c_out”等
这些组有时具有数据集成员,访问这些成员时,会提供类似于以下内容的信息:
<HDF5 group "/bn4v_branch2a/bn4v_branch2a" (4 members)\>
<HDF5 dataset "beta:0": shape (256,), type "<f4"\>
<HDF5 dataset "gamma:0": shape (256,), type "<f4"\>
<HDF5 dataset "moving_mean:0": shape (256,), type "<f4"\>
<HDF5 dataset "moving_variance:0": shape (256,), type "<f4"\>
我可以假设一些东西,比如“activation_1”可能对应于激活层,但其余的层似乎与我习惯于看到/使用的Dense、LeakyReLU、BatchNormalization层等无关。建立模型。
我需要在这里做什么?如何从仅包含模型权重的 .h5 文件确定 Keras + Mask-RCNN 模型的架构?
谢谢您,非常感谢任何帮助!
您可以在根组属性的“model_config”中找到它。只需检查:
f = h5py.File(your_model_name, 'r')
f.attrs.get('model_config')
您将在其中找到所有图层类,包括名称、形状、激活函数等。
您也许能够从获得的输出中收集一些信息。例如
<HDF5 group "/bn4v_branch2a/bn4v_branch2a" (4 members)\>
<HDF5 dataset "beta:0": shape (256,), type "<f4"\>
<HDF5 dataset "gamma:0": shape (256,), type "<f4"\>
<HDF5 dataset "moving_mean:0": shape (256,), type "<f4"\>
<HDF5 dataset "moving_variance:0": shape (256,), type "<f4"\>
是批量归一化层。我通过编写手动转换代码从 pytorch 转换为 tensorflow 知道了这一点。
也许你可以建立一个自己的测试网络,提取权重并读取结构,看看结构与你知道的层是什么样子,然后与你未知的模型结构进行比较?
有一个名为 netron 的网站,您可以上传 .h5 文件并获得模型的良好视图。