当我们导入的模型含有自定义层或者自定义函数时,需要使用custom_objects来指定目标层或目标函数。

例如:

我的一个模型含有自定义层“SincConv1D”,需要使用下面的代码导入:

from keras.models import load_model
model = load_model('model.h5', custom_objects={'SincConv1D': SincConv1D})

如果不加custom_objects指定目标层Layer,则会出现以下报错:

ValueError: Unknown layer: SincConv1D

同样的,当我的模型含有自定义函数“my_loss”,需要使用下面的代码导入:

from keras.models import load_model
model = load_model('model.h5', custom_objects={'my_loss': my_loss})

补充知识:keras加载模型load_model报错——ValueError: Unknown layer: CRF

我就废话不多说了,大家还是直接看代码吧!

from keras.models import load_model
model = load_model(model_path)

会报错,需要在load_model函数中添加custom_objects参数,来声明自定义的层
(用keras搭建bilstm-crf,在训练模型时,使用的是:

from keras_contrib.layers.crf import CRF)

from keras_contrib.layers.crf import CRF, crf_loss, crf_viterbi_accuracy
model = load_model(model_path, custom_objects={"CRF": CRF, 'crf_loss': crf_loss,
                        'crf_viterbi_accuracy': crf_viterbi_accuracy})

以上这篇使用Keras加载含有自定义层或函数的模型操作就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

标签:
Keras,加载,自定义层,函数模型

免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com

RTX 5090要首发 性能要翻倍!三星展示GDDR7显存

三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。

首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。

据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。