带有keras和tensorflow_插件层的tensorflow模型未加载

Question

我用tensorflow_插件中的keras层和权重标准化层训练了一个模型。这是我以tensorflow文件格式培训和保存的模型：

import tensorflow as tf
import tensorflow.keras as tk
import tensorflow_addons as tfa

model = tf.keras.Sequential([
    tf.keras.layers.Input((X_train.shape[1]-1,)),
    tf.keras.layers.BatchNormalization(),
    tf.keras.layers.Dropout(0.2),
    tfa.layers.WeightNormalization(tf.keras.layers.Dense(2048, activation="relu")),
    tf.keras.layers.BatchNormalization(),
    tf.keras.layers.Dropout(0.5),
    tfa.layers.WeightNormalization(tf.keras.layers.Dense(1048, activation="relu")),
    tf.keras.layers.BatchNormalization(),
    tf.keras.layers.Dropout(0.5),
    tfa.layers.WeightNormalization(tf.keras.layers.Dense(206, activation="sigmoid")),
    ])

（它没有自定义指标）

from keras.callbacks import ModelCheckpoint, EarlyStopping

# autosave best Model
best_model = ModelCheckpoint("model", monitor='val_accuracy', mode='max',verbose=0, save_best_only=True)

earlystop = EarlyStopping(monitor = 'val_accuracy',
                          patience = 15,
                          mode = 'max',
                          verbose = 1,
                          restore_best_weights = True)

callbacks = [best_model, earlystop]

model.compile(loss= 'binary_crossentropy',optimizer= 'Adam',metrics= ['accuracy'])
history = model.fit(X_res, y_res, epochs=100, verbose= 2, validation_data=(X_val[X_val.columns[1:]],y_val[y_val.columns[1:]]), callbacks=callbacks)

但当我加载模型时，它会返回一个错误：

model = tk.models.load_model("../input/model")

---------------------------------------------------------------------------2中的KeyError回溯（最近一次调用最后一次）返回3----

/opt/conda/lib/python3。7/站点包/tensorflow/python/keras/saving/save。加载模型中的py（文件路径、自定义对象、编译、选项）185如果是instance（文件路径、六个字符串类型）：186加载程序impl。解析保存的模型（文件路径）--

/opt/conda/lib/python3。7/站点包/tensorflow/python/keras/saving/saved_model/load。加载中的py（路径、编译、选项）119 120 model=tf_load。加载_内部（--

/opt/conda/lib/python3.7/site-packages/tensorflow/python/saved_model/load.pyload_internal（export_dir，标签，选项，loader_cls）631 try： 632 loader=loader_cls（object_graph_proto，saved_model_proto，export_dir，--

/opt/conda/lib/python3.7/site-packages/tensorflow/python/keras/saving/saved_model/load.py在init（自我，*args，**kwargs）192自我。_models_to_reconstruct=[] 193-

/opt/conda/lib/python3。7/站点包/tensorflow/python/saved_model/load。初始化中的py（self、object\u graph\u proto、saved\u model\u proto、export\u dir、ckpt\u options）128 self_具体函数[名称]=\u包装函数（具体函数）129--

/opt/conda/lib/python3。7/站点包/tensorflow/python/keras/saving/saved_model/load。py in _load_all（self）216 217#加载所有其他节点和函数--

/opt/conda/lib/python3。7/站点包/tensorflow/python/saved_model/load。py in_load_all（self）139 def_load_all（self）：140“”“从保存的模型及其边缘加载所有节点和函数。”"" --

/opt/conda/lib/python3。7/站点包/tensorflow/python/saved_model/load。py在_加载_节点（自）281#接口中。282继续--

/opt/conda/lib/python3。7/站点包/tensorflow/python/keras/saving/saved_model/load。py in_recreate（self，proto，node_id）237 obj_handle_name=proto。变量名称“：0”#pylint:disable=受保护的访问238其他：--

/opt/conda/lib/python3。7/站点包/tensorflow/python/saved_model/load。如果种类不在工厂中，则重新创建（自身、原型、节点id）391中的py:392生成值错误（“未知的保存对象类型：%r”%kind）--

/opt/conda/lib/python3。7/站点包/tensorflow/python/saved_model/load。py in（）380 lambda:self_重新创建用户对象（proto.user对象，节点id）），381“资产”：lambda:self_重新创建_资产（原始资产）--

/opt/conda/lib/python3。7/站点包/tensorflow/python/saved_model/load。py in_recreate_function（self，proto）419 def_recreate_function（self，proto）：420返回函数反序列化。重新创建函数（--

/opt/conda/lib/python3。7/站点包/tensorflow/python/saved_model/function_反序列化。py在recreate_函数中（保存的_函数，具体的_函数）259个具体的_函数对象=[]260用于保存的_函数中的具体的_函数名称。具体职能：--

KeyError:“\uuuuuu推理\uu密集层\u调用\ufn\u1126407”

你能帮我把模型正确地装上吗。。谢谢

Answer 1

我怀疑您分别安装了keras和tensorflow；我曾与tfa合作过，从未遇到过此类装载问题；

事实上，这里您通过tensorflow导入所有内容：

import tensorflow as tf
import tensorflow.keras as tk
import tensorflow_addons as tfa

但是在这里，您可以通过普通的keras加载回调：

from keras.callbacks import ModelCheckpoint, EarlyStopping

为了首先确保确实存在加载模型问题，请确保每个导入都是通过tensorflow完成的。keras（我希望一旦您这样做，问题会完全消失）。

代替

from keras.callbacks import ModelCheckpoint, EarlyStopping

与：

from tensorflow.keras.callbacks import ModelCheckpoint, EarlyStopping

总而言之，使用新的导入从头开始重新训练（全部来自tensorflow.keras），然后检查问题是否重现。