ฉันทำโค้ดนี้เสร็จแล้วและฉันต้องโหลดโมเดลเพื่อใช้งานในภายหลัง แต่เมื่อฉันพยายามใช้ load_model() ข้อผิดพลาดคือ No model found in config file. และเมื่อฉันพยายามโหลดตุ้มน้ำหนัก เกิดข้อผิดพลาดคือ ไม่สามารถโหลดตุ้มน้ำหนักที่บันทึกในรูปแบบ HDF5 ลงในโมเดลย่อยที่ยังไม่ได้สร้างตัวแปร เรียกโมเดลก่อน จากนั้นจึงโหลดตุ้มน้ำหนัก
นี่คือรหัสของฉัน
class Sampling(layers.Layer):
"""Uses (z_mean, z_log_var) to sample z, the vector encoding a digit."""
def call(self, inputs):
z_mean, z_log_var = inputs
batch = tf.shape(z_mean)[0]
dim = tf.shape(z_mean)[1]
epsilon = tf.keras.backend.random_normal(shape=(batch, dim))
return z_mean + tf.exp(0.5 * z_log_var) * epsilon
ฉันกำหนดตัวเข้ารหัสและตัวถอดรหัสที่จะใช้ในภายหลัง
class VAE(keras.Model):
def __init__(self, encoder, decoder, **kwargs):
super(VAE, self).__init__(**kwargs)
self.encoder = encoder
self.decoder = decoder
def train_step(self, data):
if isinstance(data, tuple):
data = data[0]
with tf.GradientTape() as tape:
z_mean, z_log_var, z = encoder(data)
reconstruction = decoder(z)
reconstruction_loss = tf.reduce_mean(
keras.losses.binary_crossentropy(data, reconstruction)
)
reconstruction_loss *= 64 * 64 * 3
kl_loss = 1 + z_log_var - tf.square(z_mean) - tf.exp(z_log_var)
kl_loss = tf.reduce_mean(kl_loss)
kl_loss *= -0.5
total_loss = reconstruction_loss + kl_loss
grads = tape.gradient(total_loss, self.trainable_weights)
self.optimizer.apply_gradients(zip(grads, self.trainable_weights))
return {
"loss": total_loss,
"reconstruction_loss": reconstruction_loss,
"kl_loss": kl_loss,
}
def test_step(self, data):
if isinstance(data, tuple):
data = data[0]
with tf.GradientTape() as tape:
z_mean, z_log_var, z = encoder(data)
reconstruction = decoder(z)
reconstruction_loss = tf.reduce_mean(
keras.losses.binary_crossentropy(data, reconstruction)
)
reconstruction_loss *= 64 * 64 * 3
kl_loss = 1 + z_log_var - tf.square(z_mean) - tf.exp(z_log_var)
kl_loss = tf.reduce_mean(kl_loss)
kl_loss *= -0.5
total_loss = reconstruction_loss + kl_loss
grads = tape.gradient(total_loss, self.trainable_weights)
self.optimizer.apply_gradients(zip(grads, self.trainable_weights))
return {
"loss": total_loss,
"reconstruction_loss": reconstruction_loss,
"kl_loss": kl_loss,
}
สุดท้ายนี่คือวิธีที่ฉันใช้มันและสร้างโมเดล
model_name = 'car_racing_VAE.h5'
vae = VAE(encoder, decoder)
vae.compile(optimizer=keras.optimizers.Adam(0.001))
checkpointer = keras.callbacks.ModelCheckpoint(filepath=model_name, monitor='val_loss', verbose=1, save_best_only=True, mode='min', save_freq='epoch')
history = vae.fit(train, train,
epochs=150,
batch_size = 128,
shuffle=True,
validation_data=(val, val), validation_batch_size=128,
callbacks=[checkpointer])
แล้วฉันจะโหลดโมเดลและใช้งานในภายหลังได้อย่างไร?
model = load_model(model_name)
vae.load_weights(model_name)
ไม่มีใครทำงานเลย
Unable to load weights saved in HDF5 format into a subclassed Model which has not created its variables yet. Call the Model first, then load the weights.
หรือNo model found in config file.
เมื่อใช้model = load_model('my_model.h5')
- person Marisol Rodriguez   schedule 18.11.2020