一个 keras 模型可以保存在两个文件中。一个文件带有模型架构。另一种是模型权重，权重通过model.save_weights()方法保存。
然后可以使用model.load_weights(file_path) 加载权重。它假定模型存在。
我只需要加载没有模型的权重。我尝试使用pickle.load()。
with open(file_path, 'rb') as fp:
w = pickle.load(fp)
但它给出了错误：
_pickle.UnpicklingError: invalid load key, 'H'.
我想权重文件是以不兼容的方式保存的。 是否可以仅从由 model.save_weights() 创建的文件中加载权重？
【问题讨论】：
数据格式为 h5，因此您可以直接使用 h5py 库来检查和加载权重。来自quickstart guide：
import h5py
f = h5py.File('weights.h5', 'r')
print(list(f.keys()))
# will get a list of layer names which you can use as index
d = f['dense']['dense_1']['kernel:0']
# <HDF5 dataset "kernel:0": shape (128, 1), type "<f4">
d.shape == (128, 1)
d[0] == array([-0.14390108], dtype=float32)
# etc.
该文件包含包括层权重在内的属性，您可以详细了解存储的内容和方式。如果你想要一个视觉版本，还有h5pyViewer。
【讨论】：
print(list(f.keys())) 中的语法错误缺少右括号)
参考：https://github.com/keras-team/keras/issues/91 代码片段供您在下方提问
from __future__ import print_function
import h5py
def print_structure(weight_file_path):
"""
Prints out the structure of HDF5 file.
Args:
weight_file_path (str) : Path to the file to analyze
"""
f = h5py.File(weight_file_path)
try:
if len(f.attrs.items()):
print("{} contains: ".format(weight_file_path))
print("Root attributes:")
print(" f.attrs.items(): ")
for key, value in f.attrs.items():
print(" {}: {}".format(key, value))
if len(f.items())==0:
print(" Terminate # len(f.items())==0: ")
return
print(" layer, g in f.items():")
for layer, g in f.items():
print(" {}".format(layer))
print(" g.attrs.items(): Attributes:")
for key, value in g.attrs.items():
print(" {}: {}".format(key, value))
print(" Dataset:")
for p_name in g.keys():
param = g[p_name]
subkeys = param.keys()
print(" Dataset: param.keys():")
for k_name in param.keys():
print(" {}/{}: {}".format(p_name, k_name, param.get(k_name)[:]))
finally:
f.close()
print_structure('weights.h5.keras')
【讨论】：
你需要创建一个Keras Model，然后你可以加载你的architecture，然后是model weights
请看下面的代码，
model = keras.models.Sequential() # create a Keras Model
model.load_weights('my_model_weights.h5') # load model weights
更多信息在Keras docs
【讨论】：