使用keras加载模型出现编码方式问题（已解决）

已于 2023-04-06 14:51:36 修改
阅读量3.7k 收藏 12
点赞数 20
文章标签： bug keras 深度学习 tensorflow 人工智能
于 2023-04-05 21:15:04 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_52060736/article/details/129977012
版权

--------------------------------------------------------------问题------------------------------------------------------------

 我原来模型保存是用ModelCheckpoint自动保存的，生成的是model.h5

然而用keras.models.load_model加载该模型时出现非utf-8编码方式，无法解码的bug

于是以为是保存的模型有问题，随参照网上用model.save保存模型，命名为model.keras

 

仍然用keras.models.load_model还是出现相同的bug

也试过把keras.models.load_model换成tf.keras.models.load_model，bug还是没变

------------------------------------------------------解决方法--------------------------------------------------------------

修改模型存放的路径（路径不能包含中文名！！！）

下面我用修改路径后的模型打印了一下模型架构是可以的

 

 

ZCH713
关注
  • 20
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论
已解决：导入keras(tf)训练好的模型报错解决OSError: Unable to open file (unable to open file: name = ‘model_3.h5’）
酒心★
03-28 4907
1.场景 导入keras训练好的模型报错解决 OSError: Unable to open file (unable to open file: name = ‘model_3.h5’） 2.解决方法： （1）检查编码格式，检查是否有在文件开头声明UTF-8编码。 （2）检查路径是否正确； （3）检查路径是否包含中文，若是有中文，换成英文； （4）重新安装h5py：首先卸载pip uninstall h5py；其次重新安装：pip install h5py==3.2.1 （5）如果还不行的话，重启一下
tensorflow加载模型keras.models.load_model出错的问题
xiameimei_win的博客
06-05 1396
TensorFlow正常保存模型，但是加载模型失败。将模型的位置，放置在无中文的目录下就可解决这个问题。保存模型的时候，保存位置出现中文。
解决Django中调用keras的模型出现的问题
01-20
笔者小白在用Django写一个表格单据图片的识别应用的时候，遇到了调用基于Tensorflow的keras模型出错的问题。 出现的错误信息类似于以下： ValueError: Tensor Tensor(Placeholder:0, shape=(3, 3, 1, 32), dtype=...
调用Kears中kears.model.load_model方法遇到的问题和解决方法
热门推荐
qian1122221的博客
03-22 3万+
之前一直使用tf和pytorch，就算是tf也是tf.estimator用得比较多，很少使用keras，最近尝试使用kears快速训练和部署一些分类任务,在使用load_model的时候遇到一些问题 问题1： SystemError: unknown opcode 原因是因为模型定义用到了lambda gap = Lambda(lambda x: x[0]/x[1], name = 'R...
tf.keras.models.load_model模型加载时报错
qq_34373543的博客
12-17 5697
tf.keras.models.load_model模型加载时报错 File “h5py_objects.pyx”, line 54, in h5py._objects.with_phil.wrapper File “h5py_objects.pyx”, line 55, in h5py._objects.with_phil.wrapper File “h5py\h5f.pyx”, line 156, in h5py.h5f.is_hdf5 OSError 保存模型 model.save('./data/m
读取VGG16.tfmodel时报错：UnicodeDecodeError: 'gbk' codec can't decode byte 0xcb in position 673
QQ704630835的博客
11-07 234
一、问题背景 最近在跑模型，模型中需要用预训练的VGG16来提取图像特征。加载vgg模型的语句为： vgg_file = open(args.model_path) vgg16raw = vgg_file.read() vgg_file.close() 运行的时候却报错： 二、解决办法 这个问题还算比较好解决，看下提示就是编码的问题呗，所以稍微改一下语句就行...
keras保存模型和载入模型
weixin_42386003的博客
10-22 755
Keras保存模型并载入模型继续训练 目录 关于compile和load_model()的使用顺序 我们以MNIST手写数字识别为例 import numpy as np from keras.datasets import mnist from keras.utils import np_utils from keras.models import Sequential from keras.layers import Dense from keras.optimizers impo
【keras】models.load_model() 报错问题 Unknown entry in loss dictionary:
weixin_39982211的博客
06-13 4455
在试用tf2.0.keras建立的一个简单的神经网络时，发现模型保存之后重新加载会出问题 代码如下： # 创建模型 inputs = tf.keras.Input(shape= (17,),name= 'inputs') hidden_1 = layers.Dense(48,activation='linear',name= 'hidden_1')(inputs) dropout_1 = l...
tf.keras.models.load_model 加载模型报错记录
weixin_39105498的博客
09-17 3566
tf.keras.models.load_model 加载模型报错记录 Unknown activation function:leaky_relu 解决办法是在tf.keras.models.load_model()括号里面加上 　　　　　　　　　 　custom_objects = {“YYY”:XXX对应的函数或者对象} 例如报错　ValueError: Unknown activation function:leaky_relu　就加上 new_model=tf.keras.models.load_
Keras+Django多次load model报错
xiaotongsunny的博客
07-07 1610
新人第一更。最近在想做一个深度学习框架，TypeError: Cannot interpret feed_dict key as Tensor: Tensor Tensor(“Placeholde r:0”, shape=(40001,50), dtype=float32) is not an element of this graph....
[DL课程作业本地化 解疑] load_model() 出现编码错误
Chris_Yg 的博客
01-11 3622
1.问题： 在吴恩达第四课第三周作业 利用YOLO算法实现Detection中，需要导入预先训练好的模型，此时用到keras中的函数load_model()，运行时报出以下错误： File "D:/Program Files/Anaconda3/envs/Tensorflow/Lib/site-packages/keras/utils/generic_utils.py", line 224
keras 解决加载lstm+crf模型出错的问题
09-16
主要介绍了keras 解决加载lstm+crf模型出错的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Keras 加载已经训练好的模型进行预测操作
09-16
主要介绍了Keras 加载已经训练好的模型进行预测操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
修复所有 bug 并不能解决所有问题
阿然的专栏
04-25 482
即使修复软件中所有的 bug，也并不能解决系统设计与实现的问题，系统问题需要同样的热情。
bugfix: com.alibaba.druid.sql.parser.EOFParserException: EOF
wenxuankeji的博客
04-25 956
bugfix:com.alibaba.druid.sql.parser.EOFParserException: EOF
jasypt组件死锁bug案例分享
CSDN_G_Y的博客
04-23 1044
jasypt组件死锁问题分析
发现问题并进行管理——bug和调试器
2301_81968528的博客
04-28 297
用于帮助查找程序中的bug的软件被称为调试器。它不是连贯执行创建好的程序，而是提供了在指定位置暂时停止处理，一行一行地执行，并显示代入变量中的值等功能。我们将程序中无法按照预期执行动作的现象称为bug。这不仅包括在编写源代码时输入的实时的bug，也包括在原本设计阶段就存在的设计时的bug，找到bug后，首先需要对其进行修正，但是作为管理者，需要考虑bug的数量和处理的优先顺序。去除bug，对程序进行修正使其可以正确执行动作的操作称为调试。有时，会将查找bug的操作也包含在内，统称为调试。
对于button按钮引发的bug
最新发布
m0_74749208的博客
04-28 174
这可能导致在一些情况下产生意外行为，如果不设置按钮的type类型，html页面会默认当成submit类型使用，如果没有指定from表单就默认提交到本页面。主要原因就是今天在给button按钮添加一个点击事件的时候，并没有声明button的type类型，就一直发生点击按钮但事件并不触发的问题。属性时，浏览器会默认将按钮类型设为。
STM32H7使用FileX库BUG，SD卡挂载失败
qq_34446736的博客
04-24 754
使用STM32H7+ThreadX+FileX，挂载文件系统异常，调整字节对齐方式判别解决
分别使用keras-gpu和pytorch搭建cnn-GRU-attention预测负荷
05-25
使用 Keras-GPU 搭建 CNN-GRU-Attention 模型： 首先导入必要的库： ``` import numpy as np import pandas as pd import keras.backend as K from keras.models import Model from keras.layers import Input, Dense, Embedding, Conv1D, MaxPooling1D, GRU, Bidirectional, TimeDistributed, Flatten, Dropout, Lambda ``` 接着加载数据： ``` # 加载数据 data = pd.read_csv('data.csv') # 分割特征和标签 X = data.iloc[:, :-1].values y = data.iloc[:, -1].values # 将标签转换为one-hot编码 y = pd.get_dummies(y).values ``` 构建模型： ``` def cnn_gru_att(): input_layer = Input(shape=(X.shape[1],)) # embedding层 emb = Embedding(input_dim=VOCAB_SIZE, output_dim=EMB_SIZE)(input_layer) # CNN层 conv1 = Conv1D(filters=64, kernel_size=3, activation='relu', padding='same')(emb) pool1 = MaxPooling1D(pool_size=2)(conv1) conv2 = Conv1D(filters=128, kernel_size=3, activation='relu', padding='same')(pool1) pool2 = MaxPooling1D(pool_size=2)(conv2) conv3 = Conv1D(filters=256, kernel_size=3, activation='relu', padding='same')(pool2) pool3 = MaxPooling1D(pool_size=2)(conv3) # GRU层 gru = Bidirectional(GRU(units=128, return_sequences=True))(pool3) # Attention层 attention = TimeDistributed(Dense(1, activation='tanh'))(gru) attention = Flatten()(attention) attention = Lambda(lambda x: K.softmax(x))(attention) attention = RepeatVector(256)(attention) attention = Permute([2, 1])(attention) # 加权求和 sent_representation = Multiply()([gru, attention]) sent_representation = Lambda(lambda xin: K.sum(xin, axis=-2), output_shape=(256,))(sent_representation) # 全连接层 fc1 = Dense(units=256, activation='relu')(sent_representation) fc2 = Dense(units=128, activation='relu')(fc1) output_layer = Dense(units=NUM_CLASSES, activation='softmax')(fc2) model = Model(inputs=input_layer, outputs=output_layer) return model ``` 使用 PyTorch 搭建 CNN-GRU-Attention 模型： 首先导入必要的库： ``` import torch import torch.nn as nn import torch.nn.functional as F ``` 接着定义模型： ``` class CNN_GRU_ATT(nn.Module): def __init__(self, vocab_size, emb_size, num_filters, kernel_sizes, hidden_size, num_classes, dropout_rate): super(CNN_GRU_ATT, self).__init__() # embedding层 self.embedding = nn.Embedding(vocab_size, emb_size) # CNN层 self.convs = nn.ModuleList([nn.Conv1d(in_channels=emb_size, out_channels=num_filters, kernel_size=ks) for ks in kernel_sizes]) # GRU层 self.gru = nn.GRU(input_size=num_filters*len(kernel_sizes), hidden_size=hidden_size, bidirectional=True, batch_first=True) # Attention层 self.attention_layer = nn.Linear(hidden_size*2, 1) # 全连接层 self.fc1 = nn.Linear(hidden_size*2, hidden_size) self.fc2 = nn.Linear(hidden_size, num_classes) # Dropout层 self.dropout = nn.Dropout(dropout_rate) def forward(self, x): # embedding层 embedded = self.embedding(x) # CNN层 conv_outputs = [] for conv in self.convs: conv_output = F.relu(conv(embedded.transpose(1, 2))) pooled_output = F.max_pool1d(conv_output, conv_output.size(2)).squeeze(2) conv_outputs.append(pooled_output) cnn_output = torch.cat(conv_outputs, dim=1) # GRU层 gru_output, _ = self.gru(cnn_output.unsqueeze(0)) gru_output = gru_output.squeeze(0) # Attention层 attention_weights = F.softmax(self.attention_layer(gru_output), dim=0) attention_output = (gru_output * attention_weights).sum(dim=0) # 全连接层 fc1_output = self.dropout(F.relu(self.fc1(attention_output))) fc2_output = self.fc2(fc1_output) return fc2_output ``` 以上是使用 Keras-GPU 和 PyTorch 搭建 CNN-GRU-Attention 模型的示例代码，需要根据具体的任务修改模型参数和数据处理方式。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ZCH713

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值