我有一个以“h5”格式保存的模型。在使用
编译模型后，我正在尝试恢复训练并尝试加载优化器的权重 model.optimizer.set_weights(weights_list)
哪里weights_list是一个 numpy 数组列表，其中包含我从 h5 文件中手动提取的优化器权重。
但是我得到了上面的错误。
当我尝试 model.optimizer.get_weights()我得到一个空列表。
我想知道如何在没有任何错误的情况下初始化优化器权重。
但是，如果我这样做
model = tf.keras.model.load_model('~/modelname.h5',custom_objects={},compile=True)
有效，我可以使用之前保存的权重恢复训练。
然而，tf.keras.models.load_model并不总是有效，有时需要一个人来构建模型并使用 load_weights初始化模型。
最佳答案
我自己刚遇到这个。根据 this question 运行 model._make_train_function()为我解决了这个问题。
x = Input((50,))
out = Dense(1, activation='sigmoid')(x)
model = Model(x, out)
model.compile(optimizer='adam', loss='binary_crossentropy')
model.load_weights('weights.h5')
model._make_train_function()
with open('optimizer.pkl', 'rb') as f:
weight_values = pickle.load(f)
model.optimizer.set_weights(weight_values)
关于python - ValueError : You called `set_weights(weights)` on optimizer RMSprop with a weight list of length 3, 但优化器期望权重为 0，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/64183141/