Получение ошибки: при загрузке модели в Keras:

Question

Я определил типичную сиамскую сетевую архитектуру, чтобы получить кодировки, я использовал temp_model (модель VGG с весом, предварительно обученным с функцией потери триплета), в приведенном ниже коде, наконец, я обучил модель и сохранил на диск как файл h5, но когда я загружаю Модель для прогнозирования, я получил ошибку (ValueError: Неверный аргумент input_shape [(Нет, 224, 224, 3), (Нет, 224, 224, 3), (Нет, 224, 224, 3)]: модель имеет 1 тензор входы.)

'' '

left_input = Input(shape = (224, 224, 3))
right_input = Input(shape = (224, 224, 3))

# Generate the encodings (feature vectors) for the two images
encoded_l = temp_model([left_input,left_input,left_input])
encoded_r = temp_model([right_input,right_input,right_input])

# Add a customized layer to compute the absolute difference between the encodings 
L1_layer = Lambda(lambda tensors:K.abs(tensors[0] - tensors[1]))
L1_distance = L1_layer([encoded_l, encoded_r])

L1_distance = Dense(512,activation='relu')(L1_distance)
L1_distance = Dropout(0.2)(L1_distance)

L1_distance = Dense(10,activation='relu')(L1_distance)
L1_distance = Dropout(0.2)(L1_distance)

# Add a dense layer with a sigmoid unit to generate the similarity score
prediction = Dense(1,activation='sigmoid')(L1_distance)

# Connect the inputs with the outputs
siamese_net = Model(inputs=[left_input,right_input],outputs=prediction)

siamese_net.compile(loss='binary_crossentropy', optimizer="adam",
      metrics=['accuracy'])

siamese_net.summary()

# return the model
return siamese_net 

' '' -------------------------- ------------------------------------------------- ValueError Обратная трассировка (последний вызов был последним) в 1 ''

model_siamese = siamese_model()
from keras.callbacks import ModelCheckpoint

checkpoint = ModelCheckpoint('triplet_loss_function_vgg16_siamese_h512_10_128.h5', verbose=1, monitor='val_loss',save_best_only=True, mode='auto')

hist = model_siamese.fit_generator(generate_batch_siamese(batch_size=128, validation=False),epochs=1000, steps_per_epoch=int((total * 0.8) / 32), 
            validation_steps=int((total * 0.10) / 32),
            validation_data=generate_batch_siamese(batch_size=128, validation=True), callbacks=[checkpoint], use_multiprocessing=True)



final_model = load_model("triplet_loss_function_vgg16_siamese_h100_128.h5")

'' '

Answer 1

Это распространенная проблема при загрузке вложенных моделей, единого ответа на эту проблему нет, но есть несколько полезных ссылок, где вы можете получить подсказки для решения таких проблем. https://github.com/keras-team/keras/pull/11847

В моем случае я переопределил архитектуру (так же, как и мои тренировки), установил обучаемые параметры в false, а затем вместо load_model я использовал load_weights, и это сработало для меня. Как я уже сказал, однозначного ответа нет, вам нужно протестировать и попробовать разные варианты.

Answer 2

Попробуйте изменить секцию кода для генерации кодировки на

# Generate the encodings (feature vectors) for the two images
encoded_l = temp_model(left_input)
encoded_r = temp_model(right_input)