我将使用以下代码加载一个imagenet预训练的VGG 19模型，并使其适合我的自定义数据集。

from keras.applications.vgg19 import VGG19

optim = tf.keras.optimizers.RMSprop(momentum=0.9)
vgg19 = VGG19(include_top=False, weights='imagenet', input_tensor=tf.keras.layers.Input(shape=(224, 224, 3)))
vgg19.trainable = False
# x = keras.layers.GlobalAveragePooling2D()(model_vgg19_pt.output)
x = keras.layers.Flatten()(vgg19.output)
output = keras.layers.Dense(n_classes, activation='softmax')(x)
model_vgg19_pt = keras.models.Model(inputs=[vgg19.input], outputs=[output])
model_vgg19_pt.compile(optimizer=optim,
                       loss='categorical_crossentropy', metrics=['categorical_accuracy'])
callback = tf.keras.callbacks.LearningRateScheduler(scheduler)
model_vgg19_pt.fit(x_train, y_train, batch_size=20,
                             epochs=50, callbacks=[callback]
                             )

在model.fit（）行上，我收到以下错误
KeyError："优化器无法识别变量dense_1/kernel：0。这通常意味着您正在尝试调用优化器以分别更新模型的不同部分。请在定型循环之前使用可定型变量的完整列表调用optimizer.build(variables)，或使用旧优化器“tf.keras.optimizers.legacy.{self.class.name}”。“

这意味着什么，我该如何修复

我得到同样的错误

keras.applications.inception_v3

当使用相同的实现方法时也是如此。
另外，这是在tensorflow cpu上运行jupyter笔记本文件，但是当在安装了tensorflow-gpu的远程机器上运行时，我得到了这些错误。

**这适用于优化器SGD，但不适用于RMSprop。**为什么？
附加使用此：

model_vgg19_pt.compile(optimizer=tf.keras.optimizers.RMSprop(momentum=0.9),
                           loss='categorical_crossentropy', metrics=['categorical_accuracy'])

而不是像上面使用的那样工作。但是有没有人能解释一下为什么...。