从 python3.6 转换 keras 模型。到 3.5

Question

我有一个在 python 3.6 的 keras 中训练的模型，并且有一个 raspbian 和 python 3.5 的模型。

当您将使用 python 3.6 训练的模型（或至少是我的模型）加载到 python 3.6 中时，您会得到一个异常：

IndexError: tuple index out of range

问题是由于各种原因我无法将训练平台更改为 3.5 或 RPi 更改为 3.6，所以我必须转换 model.h5。

有没有办法将 h5 转换为中间的东西，然后在其他平台上从中间转换为 h5？

调用时报错load_module

问题是由于各种原因我无法将训练平台更改为 3.5 或 RPi 更改为 3.6，所以我必须转换 de model.h5。

有没有办法将 h5 转换为中间值，然后在其他平台上从中间值转换为 h5？

load_model("model1527371035.h5")    
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python3.5/dist-packages/keras/models.py", line 270, in load_model
    model = model_from_config(model_config, custom_objects=custom_objects)
  File "/usr/local/lib/python3.5/dist-packages/keras/models.py", line 347, in model_from_config
    return layer_module.deserialize(config, custom_objects=custom_objects)
  File "/usr/local/lib/python3.5/dist-packages/keras/layers/__init__.py", line 55, in deserialize
    printable_module_name='layer')
  File "/usr/local/lib/python3.5/dist-packages/keras/utils/generic_utils.py", line 144, in deserialize_keras_object
    list(custom_objects.items())))
  File "/usr/local/lib/python3.5/dist-packages/keras/models.py", line 1412, in from_config
    model.add(layer)
  File "/usr/local/lib/python3.5/dist-packages/keras/models.py", line 497, in add
    layer(x)
  File "/usr/local/lib/python3.5/dist-packages/keras/engine/topology.py", line 619, in __call__
    output = self.call(inputs, **kwargs)
  File "/usr/local/lib/python3.5/dist-packages/keras/layers/core.py", line 685, in call
    return self.function(inputs, **arguments)
  File "<ipython-input-11-b85ceb3c6761>", line 64, in <lambda>
IndexError: tuple index out of range

模型看起来像：

model = Sequential()
model.add(Lambda(lambda x: x / 255.0 - 0.5, input_shape=(84, 84, 3)))
model.add(BatchNormalization())
model.add(Conv2D(36,(5,5), strides=(2,2), activation='relu'))
model.add(Dropout(dropout))
model.add(Conv2D(64,(3,3), activation='relu'))
model.add(Dropout(dropout))
model.add(Flatten())
model.add(Dropout(dropout))
model.add(Dense(40))
model.add(Dropout(dropout))
model.add(Dense(10))
model.add(Dense(6, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer="adam",metrics=['mae', 'acc'])

Answer 1

好的，查看正在进行的 issue 的评论，当前的解决方法看起来只是保存和加载权重：

model.save_weights(filename)
# you have to rebuild model again
model.load_weights(filename)

这种情况保存的文件不会包含体系结构，您必须每次都重建它。这并不昂贵，所以应该不是问题。

编辑：也许这只影响 Lambda 层，它可能是一个简单的 custom layer 避免了这个问题：

class MyLayer(Layer):
   def call(self, x):
     return x / 255.0 - 0.5

从 python3.6 转换 keras 模型。到 3.5

Convert keras model from python3.6. to 3.5

python

raspbian

keras

tensorflow

raspberry-pi3