解決Keras 中加入lambda層無法正常載入模型問題

更新時間：2020年06月16日 16:45:36 作者：機器玄學實踐者

這篇文章主要介紹了解決Keras 中加入lambda層無法正常載入模型問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

剛剛解決了這個問題，現在記錄下來

問題描述

當使用lambda層加入自定義的函數后，訓練沒有bug，載入保存模型則顯示Nonetype has no attribute 'get'

問題解決方法：

這個問題是由于缺少config信息導致的。lambda層在載入的時候需要一個函數，當使用自定義函數時，模型無法找到這個函數，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，保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，只能保存模型的權重，無法使用model.save來保存模型。

保存時會報

TypeError: can't pickle _thread.RLock objects

二，解決方案，為了便于后續(xù)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, output_dir, 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，也希望大家多多支持腳本之家。

您可能感興趣的文章: