加载预训练的 keras 模型以在谷歌云上继续训练答案

【问题标题】：Load pre-trained keras model for continued training on google cloud加载预训练的 keras 模型以在谷歌云上继续训练
【发布时间】：2020-05-12 15:18:18
【问题描述】：

我正在尝试加载预训练的 Keras 模型，以便在谷歌云上继续训练。它在本地工作，只需使用

加载鉴别器和生成器

 model = load_model('myPretrainedModel.h5')

但显然这在谷歌云上不起作用，我尝试使用与从谷歌存储桶中读取训练数据相同的方法：

fil = "gs://mygcbucket/myPretrainedModel.h5"    
f = BytesIO(file_io.read_file_to_string(fil, binary_mode=True))
return np.load(f)

但这似乎不适用于加载模型，运行作业时出现以下错误。

ValueError：allow_pickle=False 时无法加载包含腌制数据的文件

添加allow_pickle=True，会引发另一个错误：

OSError: 无法将文件 <_io.bytesio object at> 解释为 pickle

然后我尝试了一些我发现的东西，因为有人建议我解决类似的问题，据我了解，它会暂时从存储桶中重新保存模型本地（与作业运行的位置相关），然后加载它，使用：

fil = "gs://mygcbucket/myPretrainedModel.h5"  
model_file = file_io.FileIO(fil, mode='rb')
file_stream = file_io.FileIO(model_file, mode='r')
temp_model_location = './temp_model.h5'
temp_model_file = open(temp_model_location, 'wb')
temp_model_file.write(file_stream.read())
temp_model_file.close()
file_stream.close()
model = load_model(temp_model_location)
return model

但是，这会引发以下错误：

TypeError: Expected binary or unicode string, got tensorflow.python.lib.io.file_io.FileIO object

我必须承认，我不确定我需要做什么才能从我的存储桶中实际加载预训练的 keras 模型，以及在我在谷歌云的培训工作中的用途。非常感谢任何帮助。

【问题讨论】：

标签： python keras google-cloud-platform google-cloud-ai

【解决方案1】：

我建议使用 AI Platform Notebooks 来执行此操作。使用this method 下载训练好的模型。检查代码示例选项卡下的 Python 代码。在运行 Notebook 的 VM 中拥有模型后，您可以像在本地一样加载它。 Here 您有一个使用 tf.keras.models.load_model 的示例。

【讨论】：