加载由Keras中的callbakcs.ModelCheckpoint（）保存的模型时出错

Question

我用callbacks.ModelCheckpoint()用HDF5文件自动保存了我的模型。

# Checkpoint In the /output folder
filepath = "./model/mnist-cnn-best.hd5"

# Keep only a single checkpoint, the best over test accuracy.
checkpoint = keras.callbacks.ModelCheckpoint(filepath, monitor='val_acc', 
                                             verbose=1, save_best_only=True,
                                             mode='max')

# Train
model.fit(x_train, y_train,
          batch_size=batch_size,
          epochs=epochs,
          verbose=1,
          validation_data=(x_test, y_test),
          callbacks=[checkpoint])

加载模型时，发生错误。

  model = keras.models.load_model("./mnist-cnn-best.hd5")

  File "D:\Program Files\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\saving.py", line 251, in load_model
    training_config['weighted_metrics'])
KeyError: 'weighted_metrics'

如果我使用参数'compile = False'加载模型，它可以正常工作。

我知道在keras中保存模型的正常方法是：

from keras.models import load_model

model.save('my_model.h5')  # creates a HDF5 file 'my_model.h5'
del model  # deletes the existing model

# returns a compiled model
# identical to the previous one
model = load_model('my_model.h5')

顺便说一句，当我通过Tensorflow Lite转换此模型时，也会发生此错误。但我不知道我的模型有什么问题。有没有人有想法？

Answer 1

我遇到了类似的问题，产生了相同的错误信息，但原因可能与您的不同：

代码：（Tensorflow 1.11和tf.keras.version：2.1.6-tf）

 if load_model_path.endswith('.h5'):
        model = tf.keras.models.load_model(load_model_path)

错误信息：

  File "...../lib/python3.6/site-packages/tensorflow/python/keras/engine/saving.py", line 251, in load_model
    training_config['weighted_metrics'])
KeyError: 'weighted_metrics'

我发现它是因为该模型保存在较旧的Keras版本中。我必须注释掉与weighted_metrics相关的代码才能加载模型。然而，在我找到不匹配问题的可持续解决方案之前，这只是一个解决方法。有趣的是，@fchollet最近刚刚（2018年10月）将weighted_metrics添加到最新的Keras版本中。 https://github.com/keras-team/keras/blob/master/keras/engine/saving.py#L136我希望这能帮助那些遇到同样问题的人。

Answer 2

如果你还没有想出答案，我想我已经明白了。

我没有挖掘代码来准确找出原因，但基本上模型检查点回调只能加载load_weights()函数，然后用于评估。

如果你想保存一个你可以加载以再次训练的模型，你需要使用model.save和model.load_model。希望对那些徘徊于此的人有所帮助。

Answer 3

我通常使用它的方式如下：

def create_model():
    <my model>
    <model.compile>
    return model
checkpoint = keras.callbacks.ModelCheckpoint(filepath, verbose=<val>, monitor=<val>, save_best_only=True, save_weights_only=True)

classifier = create_model()
classifier.fit(<your parameters>)
classifier.evaluate(<your parameters>)

loaded_model = create_model()
loaded_model.load_weights(filepath)
y_pred = loaded.model.<predict_method>(test_set,verbose=<val>)
'''