使用检查点时，keras 不会加载模型和权重

Question

我正在使用 keras 构建深度自动编码器。我使用它的检查点来加载模型和权重，但结果始终是None，我认为这意味着检查点无法正常工作并且没有节省权重。 这是我如何进行的代码：

checkpointer = ModelCheckpoint(filepath="weights.best.h5",
                               verbose=0,
                               save_best_only=True)
tensorboard = TensorBoard(log_dir='/tmp/autoencoder',
                          histogram_freq=0,
                          write_graph=True,
                          write_images=True)
input_enc = Input(shape=(input_size,))
hidden_1 = Dense(hidden_size1, activation='relu')(input_enc)
hidden_11 = Dense(hidden_size2, activation='relu')(hidden_1)
code = Dense(code_size, activation='relu')(hidden_11)
hidden_22 = Dense(hidden_size2, activation='relu')(code)
hidden_2 = Dense(hidden_size1, activation='relu')(hidden_22)
output_enc = Dense(input_size, activation='tanh')(hidden_2)
autoencoder_yes = Model(input_enc, output_enc)

autoencoder_yes.compile(optimizer='adam',
                         loss='mean_squared_error', 
                         metrics=['accuracy'])
history_yes = autoencoder_yes.fit(df_noyau_norm_y, df_noyau_norm_y,
                               epochs=200,
                                batch_size=batch_size,
                                shuffle = True,
                                validation_data=(df_test_norm_y, df_test_norm_y),
                                verbose=1, 
                                callbacks=[checkpointer, tensorboard]).history

autoencoder_yes.save_weights("weights.best.h5")
print(autoencoder_yes.load_weights("weights.best.h5"))

有人可以帮我找出解决问题的方法吗？ 谢谢

Answer 1

您应该使用save_weights_only=True。没有这个，整个模型将被保存，而不仅仅是权重。为了能够加载权重，您必须像这样保存权重：

checkpointer = ModelCheckpoint(filepath="weights.best.h5",
                           verbose=0, save_weights_only=True,
                           save_best_only=True)

Answer 2

不，您对 load_weights 返回 None 的解释是不正确的。加载权重是一个过程，它不返回任何内容，如果将过程的返回值赋给一个变量，它将得到None的值。

所以减肥可能效果很好，只是你的解释是错误的。

Answer 3

这是预期行为而不是错误。 autoencoder_yes.load_weights("weights.best.h5") 实际上并没有返回任何内容，因此如果您尝试打印此函数的输出，您将得到None 作为输出。

预期行为

在您提供的代码中，您已经训练了模型并保存了权重。因此，autoencoder_yes 是一个具有微调权重的 keras.Model 对象。

在同一个脚本中，如果您再次加载保存的权重，则不会发生任何事情，您保存的权重将再次加载。

为清楚起见

从另一个新脚本开始，构建相同的模型架构并从h5 文件重新加载权重，然后进行一些预测。在这种情况下，它会静默加载预训练的权重并据此进行预测。