我在TensorFlow Hub上从mobilenetv 2模型创建了一个模型，我使用model.save()来保存模型，并用途：
my_reloaded_model = tf.keras.models.load_model(
("./model/model_flower.h5"),
custom_objects={'KerasLayer':hub.KerasLayer}
)加载模型。
我的程序工作正常，但大约一周后，当我再次运行该程序时，它会生成如下错误：
TypeError：使用config=“name”反序列化类“KerasLayer”时出错：'keras_layer_1'，' trainable'：False，'dtype'：'float32'，'batch_input_shape'：[None，224，224，3]，'handle'：'https：//tfhub.dev/google/tf2-preview/mobilenet_v2/feature_vector/4'}.
遇到异常：试图加载不兼容/未知类型的模型。“C：\Users\Lenovo\AppData\Local\Temp\tfhub_modules\145bb06ec3b59b08fb564ab752bd5aa222bfb50a”既不包含“saved_model.pb”也不包含“saved_model. pbtxt”。
我检查了堆栈溢出，得到了one result：
从本质上讲，我从上面的文章中了解到，TensorFlow将创建一个临时目录来保存加载的模型;但是，几天后，文件夹的内容（加载的模型）将被删除。然后，当您再次加载模型时，TensorFlow将路由到临时目录，但模型将从临时目录中删除。
这是有道理的，并解释了为什么如果您的代码在过去几天运行得非常好，然后突然出现此错误，则可能与删除旧的临时目录有关。
我删除了临时文件夹，并再次运行它，它工作正常。但这只是一个临时的解决方案，该程序仍然停止工作，每1个星期左右。我不想每隔一段时间就删除那个临时文件夹。
你有什么解决办法吗？
我希望我的程序能工作很长一段时间，而不是每次都要修复它。
1条答案
按热度按时间zxlwwiss1#
经过大约几天的静坐和阅读文档，我现在有了一个解决方案（虽然不是很好，但基本上足以解决我的问题，任何有更好答案的人都欢迎，任何没有解决方案的人都可以参考我的方式）
这里的问题是，我的程序在训练时使用迁移学习方法，并使用keras层作为原始部分（没有更改），只编辑最后一层（输出层）。因此，当您保存模型时，程序将仅保存您编辑的部分（输出层）。所以当你想加载模型时，你还需要一个keras层，使原始层与输出层（你自己编辑的层）结合成一个完整的模型。Keras层加载了一个包含模型权重和结构的临时模型（该文件夹不会持续很长时间-导致在测试一段时间后出现错误，需要删除才能运行）。间隔3或4天后再次进行）。我的方法是在问题发生之前解决它。而不是使用keras层作为背景层（层不会改变），我下载了keras层作为训练的原材料，即训练过程中会改变一点keras层。用途：从tensorflow.keras.applications导入“你想要使用的库”，并像往常一样训练，以拥有一个可以作为自建模型保存和加载的模型。然而，这种方式可能需要更多的计算资源，模型的大小也会更大（例如远程使用keras层的模型，它将给予大约10 mb的模型，但如果通过如何下载使用keras层，模型将大约45 mb）。我参考这篇文章来做新的方式：https://saturncloud.io/blog/proper-way-to-save-transfer-learning-models-in-keras/