剛剛解決了這個(gè)問題，現(xiàn)在記錄下來
問題描述
當(dāng)使用lambda層加入自定義的函數(shù)后，訓(xùn)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(gè)問題是由于缺少config信息導(dǎo)致的。lambda層在載入的時(shí)候需要一個(gè)函數(shù)，當(dāng)使用自定義函數(shù)時(shí)，模型無法找到這個(gè)函數(shù)，也就構(gòu)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
|
1
2
3
4
5
6
|
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(bǔ)充知識(shí)：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(yīng)用，keras含有的層已經(jīng)不能滿足要求，需要透過Lambda自定義層來實(shí)現(xiàn)一些layer，這個(gè)情況下，只能保存模型的權(quán)重，無法使用model.save來保存模型。
保存時(shí)會(huì)報(bào)
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(zhuǎn)成tensorflow的PB進(jìn)行部署。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
|
from keras.models import load_modelimport tensorflow as tfimport os, sysfrom keras import backend as Kfrom tensorflow.python.framework import graph_util, graph_iodef 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_modelif __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?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持服務(wù)器之家。
原文鏈接：https://blog.csdn.net/weixin_39673686/article/details/90697587
