ValueError: Dimension 1 in both shapes must be equal, but are 10 and 12.Shapes are[40,10]and[40,12]

训练完模型拿来做预测(prediction)时，遇到两个bug：

1. 加载模型出错了：

model = load_model(model_path)

报错：
ValueError: Unknown layer: ArcFace

解决方法：
这是由于训练模型时使用的layer是自定义的，因此，只需要在加载模型时指定这个自定义层就可以了，如下：
python model = load_model(model_path, custom_objects={'ArcFace': ArcFace})
在custom_objects={}中的花括号中填自定义的layer，我把ArcFace写成了类，import 了之后，填进花括号里就解决这个问题了，如果有多个自定义的layer，就加个逗号，继续在花括号中列出，加载模型的时候会根据名字自动搜索这些自定义的layer。

2. 第二个错误error：

解决完第一个错误，又出现第二个错误 TAT：
ValueError: Dimension 1 in both shapes must be equal, but are 10 and 12. Shapes are [4096,10] and [4096,12]. for 'Assign_90' (op: 'Assign') with input shapes: [4096,10], [4096,12].
看这个error就是关于label的，因为我的label是12个，而这里出现的10就很奇葩了，检查了半天，其实是由于解决上一个error时的并发症，自定义的layer是有默认的节点数的，在训练的时候都有输入参数设定，现在把代码转到另一个PC端，忘记了。
如下面代码：

class ArcFace(Layer):
    def __init__(self, n_classes=10, s=30.0, m=0.50, regularizer=None, **kwargs):
        super(ArcFace, self).__init__(**kwargs)
        self.n_classes = n_classes
        self.s = s
        self.m = m
        self.regularizer = regularizers.get(regularizer)
...

解决方法：
我在ArcFace这个类中设置了节点数默认为10，即n_classes=10
只要改成对应的类别数就可以了。

---

写这些主要是为了记录解决问题的过程和思路，每个人遇到的问题可能会有些不同，但看看别人的解决思路，没准能开启思路。
Sharing is a good habit.