ValueError: ('Unrecognized keyword arguments:', dict_keys(['ragged'])) while loading keras model
Posted
技术标签:
【中文标题】ValueError: (\'Unrecognized keyword arguments:\', dict_keys([\'ragged\'])) while loading keras model【英文标题】:ValueError: ('Unrecognized keyword arguments:', dict_keys(['ragged'])) while loading keras modelValueError: ('Unrecognized keyword arguments:', dict_keys(['ragged'])) while loading keras model 【发布时间】:2020-07-02 14:07:30 【问题描述】:我正在尝试使用下面的代码 sn-p 加载 keras 模型:
from tensorflow import keras
from PIL import Image, ImageOps
import numpy as np
# Disable scientific notation for clarity
np.set_printoptions(suppress=True)
# Load the model
model = keras.models.load_model('keras_model.h5')
# Create the array of the right shape to feed into the keras model
# The 'length' or number of images you can put into the array is
# determined by the first position in the shape tuple, in this case 1.
data = np.ndarray(shape=(1, 224, 224, 3), dtype=np.float32)
# Replace this with the path to your image
image = Image.open("YES/1.jpg")
#resize the image to a 224x224 with the same strategy as in TM2:
#resizing the image to be at least 224x224 and then cropping from the center
size = (224, 224)
image = ImageOps.fit(image, size, Image.ANTIALIAS)
#turn the image into a numpy array
image_array = np.asarray(image)
# display the resized image
image.show()
# Normalize the image
normalized_image_array = (image_array.astype(np.float32) / 127.0) - 1
# Load the image into the array
data[0] = normalized_image_array
# run the inference
prediction = model.predict(data)
print(prediction)
当我执行上述代码时,出现以下错误:
文件 "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\base_layer.py", 第 446 行,在 from_config 中 返回 cls(**config)
文件 "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\input_layer.py", 第 80 行,在 init 中 raise ValueError('无法识别的关键字参数:', kwargs.keys())
ValueError: ('Unrecognized keyword arguments:', dict_keys(['ragged']))
【问题讨论】:
你能分享一些关于你的环境的信息吗?你做过调试吗?另外,请提供minimal reproducible example。 请在您的问题中添加您使用的 tensorflow 版本。import tensorflow as tf; print(tf.__version__)
张量流 - 2.1 python 3.7
@מיתרבןברוך 您在哪个 TensorFlow 版本中训练了您在此处加载的模型?
将 tensorflow 版本升级到 2.3.0 后,我的相同错误已解决。参考github.com/tensorflow/tensorflow/issues/33479
【参考方案1】:
只是添加贾斯汀已经提到的内容。当我尝试在安装了 TensorFlow 1.15 的环境中使用使用 TensorFlow 2.3.1 训练的模型运行推理脚本时遇到此问题。
【讨论】:
【参考方案2】:您应该按照以下要求运行它
keras==2.2.4 张量流==1.15.0 枕头==7.0.0
【讨论】:
【参考方案3】:在训练模型和加载模型时检查 tf 的版本。两者应该是相同的版本,否则可能会发生此类错误。我在 google colab 上遇到了同样的问题,我正在训练我的模型在最新的 tf 版本上运行,而我尝试加载该模型的机器中的 tf 版本不同。所以在导入 tf 之前,我在 google colab 中安装了相同版本的 tf。它就像一个魅力。
【讨论】:
【参考方案4】:在 tensorflow==2.5.0 中,我在 2.5.0 上训练了模型,并尝试在 tensorflow==1.11 和 1.15 上运行 .h5 模型的 infrence。和 2.1.0 但由于这个额外的层在版本之前没有出现。 https://www.tensorflow.org/versions/r2.5/api_docs/python/tf/keras/layers/experimental/preprocessing/Rescaling
该层在早期版本的 tensorflow 中不存在。
我发现的另一个问题是,conv-2d 层中现在有一个“groups”关键字,这在之前的 tensorflow 版本中是没有的。
【讨论】:
以上是关于ValueError: ('Unrecognized keyword arguments:', dict_keys(['ragged'])) while loading keras model的主要内容,如果未能解决你的问题,请参考以下文章
如何解决 raise ValueError("columns must have matching element counts") ValueError: columns mus