Я работаю над проектом по распознаванию лиц, где обучил модель с помощью TensorFlow/Keras и сохранил ее как face_recog_vggface.h5. При попытке загрузить модель с помощью tf.keras.models.load_model() я столкнулся со следующей ошибкой:
# Model Definition
from tensorflow.keras.applications.vgg16 import VGG16
from tensorflow.keras.models import Model
from tensorflow.keras.layers import GlobalAveragePooling2D, Dense
def build_model():
base_model = VGG16(include_top=False, input_shape=(224, 224, 3))
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(128, activation='relu')(x)
model = Model(inputs=base_model.input, outputs=x)
return model
model = build_model()
model.save('face_recog_vggface.h5')
# Model Loading
from tensorflow.keras.models import load_model
model = load_model('face_recog_vggface.h5', custom_objects={'triplet_loss': triplet_loss})
Я сохранил модель после обучения как face_recog_vggface.h5, и при попытке загрузить ее появляется ошибка, как показано выше. Почему? Я использовал tensorflow==2.13, чтобы загрузить его с версией keras, которая все еще 2.13.
Я работаю над проектом по распознаванию лиц, где обучил модель с помощью TensorFlow/Keras и сохранил ее как face_recog_vggface.h5. При попытке загрузить модель с помощью tf.keras.models.load_model() я столкнулся со следующей ошибкой: [code]TypeError Traceback (most recent call last) Cell In[20], line 3 1 # Load the trained model 2 model_path = 'face_recog_vggface.h5' ----> 3 model = tf.keras.models.load_model(model_path, custom_objects={'triplet_loss': triplet_loss_function})
File ~/.local/lib/python3.8/site-packages/keras/src/utils/traceback_utils.py:70, in filter_traceback..error_handler(*args, **kwargs) 67 filtered_tb = _process_traceback_frames(e.__traceback__) 68 # To get the full stack trace, call: 69 # `tf.debugging.disable_traceback_filtering()` ---> 70 raise e.with_traceback(filtered_tb) from None 71 finally: 72 del filtered_tb
File ~/.local/lib/python3.8/site-packages/keras/src/engine/base_layer.py:870, in Layer.from_config(cls, config) 868 return cls(**config) 869 except Exception as e: --> 870 raise TypeError( 871 f"Error when deserializing class '{cls.__name__}' using " 872 f"config={config}.\n\nException encountered: {e}" 873 )
TypeError: Error when deserializing class 'InputLayer' using config={'batch_shape': [None, 224, 224, 3], 'dtype': 'float32', 'sparse': False, 'name': 'input_layer'}.
Exception encountered: Unrecognized keyword arguments: ['batch_shape'] [/code] [code]# Model Definition from tensorflow.keras.applications.vgg16 import VGG16 from tensorflow.keras.models import Model from tensorflow.keras.layers import GlobalAveragePooling2D, Dense
def build_model(): base_model = VGG16(include_top=False, input_shape=(224, 224, 3)) x = base_model.output x = GlobalAveragePooling2D()(x) x = Dense(128, activation='relu')(x) model = Model(inputs=base_model.input, outputs=x) return model
model = build_model() model.save('face_recog_vggface.h5')
# Model Loading from tensorflow.keras.models import load_model model = load_model('face_recog_vggface.h5', custom_objects={'triplet_loss': triplet_loss})
[/code] Я сохранил модель после обучения как face_recog_vggface.h5, и при попытке загрузить ее появляется ошибка, как показано выше. Почему? Я использовал tensorflow==2.13, чтобы загрузить его с версией keras, которая все еще 2.13.
Я написал конвейер обнаружения объектов DETR с нуля в Tensorflow.
DETR: Ссылка на Kaggle Notebook: содержит весь код; Создайте собственную копию блокнота, чтобы воспроизвести проблему
Я пытаюсь загрузить эту модель без подделки лица. Это модель MobileNetV2. Я хочу преобразовать его в формат coreML. Я загрузил файл модели .h5 в колаб. Но когда я пытаюсь загрузить модель с помощью тензорного потока, я получаю следующую ошибку....
Я пытаюсь добавить новую фигуру в ArrayList, но получаю сообщение об ошибке: Метод add(Shape) в типе ArrayList неприменим для аргументов (Shape.Rectangle)
Shape.Rectangle — это созданный мной собственный класс. Аргументами для него являются...
Я столкнулся с ошибкой несоответствия формы во время обучения сверточной нейронной сети (CNN) с использованием TensorFlow и Keras.
Я использую специальную архитектуру LeNet-5, определенную следующим образом:
import tensorflow as tf
from keras...