升级keras解决load_weights()中的未定义skip_mismatch关键字

1、问题描述
在用yolov3训练自己的数据集时,尝试加载预训练的权重,在冻结前154层的基础上,利用自己的数据集finetune。出现如下错误:
load_weights(),got an unexpected keyword argument skip_mismatch
2、解决方法
因为keras旧版本没有这一定义,在新的版本中有这一关键字的定义,因此,更新keras版本至2.1.5即可解决。
source activate env
pip uninstall keras
pip install keras==2.1.5
此问题解决后,运行训练代码,出现如下错误:
Loaded runtime CuDNN library:7.0.5 but source was compiled with 7.2.1
这并不是cudnn的问题,将tensorflow的版本从1.11.0降级为1.10.1就好了。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
`load_weights()`函数是Keras用于加载预训练模型权重的函数。它可以将已经训练好的模型权重加载到新的模型,以实现迁移学习或继续训练的目的。下面是`load_weights()`函数的详细解释: 函数原型: ```python load_weights(filepath, by_name=False, skip_mismatch=False) ``` 参数说明: - `filepath`:权重文件的路径。可以是一个HDF5格式的文件,也可以是一个包含权重的numpy数组。 - `by_name`:布尔值,如果为True,则按照层的名字来加载权重。如果为False,则按照层的顺序来加载权重。默认为False。 - `skip_mismatch`:布尔值,如果为True,则如果模型的层与权重文件的层不匹配,则跳过这些层。如果为False,则会抛出一个异常。默认为False。 返回值: 该函数没有返回值,它只是将权重加载到模型。 使用示例: 假设我们已经训练好了一个模型`model`,并将其保存为了一个HDF5文件`weights.h5`。现在我们想要将这些权重加载到一个新的模型`new_model`,可以使用如下代码: ```python from keras.models import load_model new_model = load_model('new_model.h5') # 加载新模型 new_model.load_weights('weights.h5') # 加载权重 ``` 注意:如果新模型与原模型的结构不同,需要在加载权重时设置`by_name=True`,并将原模型层的名字与新模型相应层的名字对应起来。例如,如果原模型有一个名为`conv2d_1`的卷积层,而新模型对应的卷积层的名字为`conv1`,则可以使用如下代码: ```python new_model.load_weights('weights.h5', by_name=True, skip_mismatch=True) ``` 在该代码,`skip_mismatch=True`表示如果层的名字不匹配,则跳过这个层。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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