内核关闭时 model.predict() Keras 模型

Question

所以我目前遇到的问题是，每次我预测我加载的模型时，我的 Jupyter Notebook 的内核都会关闭。

所以我得到了这个带有这个模型摘要的 Keras 模型：

    Model: "sequential_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_1 (Dense)              (None, 100)               200       
_________________________________________________________________
re_lu_1 (ReLU)               (None, 100)               0         
_________________________________________________________________
dropout_1 (Dropout)          (None, 100)               0         
_________________________________________________________________
dense_2 (Dense)              (None, 50)                5050      
_________________________________________________________________
re_lu_2 (ReLU)               (None, 50)                0         
_________________________________________________________________
dropout_2 (Dropout)          (None, 50)                0         
_________________________________________________________________
dense_3 (Dense)              (None, 1)                 51        
=================================================================
Total params: 5,301
Trainable params: 5,301
Non-trainable params: 0

我打算使用我上网的this method 来保存这个模型。我保存了整个模型。然后，我尝试将保存的模型加载到另一个笔记本上。完成尺寸/形状调整后，我开始注意到每次执行 model.predict() 时，我的内核都会关闭并且没有给出错误消息。所以我开始向后做，试图在原始笔记本上进行预测，模型是在哪里训练的。而且我没有发现错误。我的假设是：

1. 模型没有问题。因为这样它可以预测一个数据。任何比这更大的东西，它都会粉碎。
2. 问题来自保存和加载模型

这是我保存和加载模型的代码

模型起源笔记本

有没有人遇到过同样的问题？以下代码是我的代码：

#Model architecture
#Model ANN
model = Sequential()
model.add(Dense(100, input_shape=(1,)))
model.add(ReLU())
model.add(Dropout(.5))
model.add(Dense(50))
model.add(ReLU())
model.add(Dropout(.5))
model.add(Dense(1))
model.compile(optimizer='rmsprop', loss='mse', metrics=['mae'])
model.fit(X_train, y_train, epochs=1000, batch_size=100, validation_data=(X_valid, y_valid))

# ATTEMPT 1 save the model to disk
filename = 'model_pake_pickle_bener.sav'
pickle.dump(model, open(filename, 'wb'))

不同的笔记本

这就是问题所在

#Load the saved model
filename = 'model_pake_pickle_bener.sav'
loaded_model = pickle.load(open(filename, 'rb'))

#reduce number of data used
bersih = bessp[:2]

#Introducing our dataset to tf (Voltage only)
X = bersih['Voltage_y'].values
y = bersih['SOC'].values

#Reshaping
X = X.reshape(X.shape[0], 1)
y = y.reshape(y.shape[0], 1)

#Adjustment
X = np.asarray(X).astype('float32')

y = loaded_model.predict(X)

我尝试过使用 h5 文件，结果和其他文件一样。

Answer 1

您是否尝试过使用直接对象方法保存和加载模型？我注意到您使用pickle，但it's recommended to use（取自文档）：

model = ...  # Get model (Sequential, Functional Model, or Model subclass)
model.save('path/to/location')

在你的第二个笔记本中加载模型：

from tensorflow import keras
model = keras.models.load_model('path/to/location')