加载预训练模型后与可变输入尺寸相关的错误

Posted 2023-02-16

【中文标题】加载预训练模型后与可变输入尺寸相关的错误

【英文标题】：Error related to variable Input dimensions after loading pretrained model

【发布时间】：2021-12-18 01:29:32

【问题描述】：

我的模型有以下代码：

model = keras.Sequential()
model.add(L.InputLayer(batch_input_shape= (None, 768)))
model.add(L.Dense(input_shape = (None,768), activation='relu', units = 256))
model.add(L.Dense(input_shape = (None,256), activation='relu', units = 128))
model.add(L.Dense(input_shape=(None,128), activation='relu', units = 301))
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy', precision, recall, f1])

有了model.summury()这样的结果：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_1 (Dense)              (None, 256)               196864    
_________________________________________________________________
dense_2 (Dense)              (None, 128)               32896     
_________________________________________________________________
dense_3 (Dense)              (None, 301)               38829     
=================================================================
Total params: 268,589
Trainable params: 268,589
Non-trainable params: 0
_______________________________________

我已经用这段代码保存了预训练模型：

model.save('./tag_prediction_model.h5')

并加载了这个：

dependincies = 
    'precision': precision,
    'recall': recall,
    'f1': f1

model1 = load_model('./tag_prediction_model.h5', custom_objects=dependincies)

但是当我从文件中加载它时，dimensoins 发生了这个错误。我检查了加载的模型摘要并看到了这个：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_1 (Dense)              (None, None, 256)         196864    
_________________________________________________________________
dense_2 (Dense)              (None, None, 128)         32896     
_________________________________________________________________
dense_3 (Dense)              (None, None, 301)         38829     
=================================================================
Total params: 268,589
Trainable params: 268,589
Non-trainable params: 0
_________________________________________________________________

我该如何解决这个问题？我正在使用 tensorflow 1.15 和 keras 2.3.1

【参考方案1】：

我找到了解释in this post：

删除 InputLayer 并在第一层使用 input_shape ... 似乎模型 使用 InputLayer 未正确序列化为 HDF5。

通过如下所示更改您的模型，它应该可以工作：

model = keras.Sequential()
model.add(L.Dense(input_shape= (768,), activation='relu', units = 256))
model.add(L.Dense(activation='relu', units = 128))
model.add(L.Dense(activation='relu', units = 301))
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
model.summary()

注意输入的形状是 (768,) 而不是 (None, 768)。