ValueError:您在优化器RMSprop上使用长度为3的权重列表调用了`set_weights( weights )`，但优化器预期权重为0

Question

我有一个以'h5‘格式保存的模型。在编译模型之后，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)

其中，weights_list是我从h5文件中手动提取的包含优化器权重的numpy数组列表。

但是我得到了上面的错误。

当我尝试model.optimizer.get_weights()时，我得到一个空列表。

我想知道如何初始化优化器权重而没有任何错误。

但是，如果我这样做了

model = tf.keras.model.load_model('~/modelname.h5',custom_objects={},compile=True)

它起作用了，也就是说，我可以用之前保存的权重恢复训练。

然而，tf.keras.models.load_model并不总是有效的，有时它需要构建模型并使用load_weights初始化模型。

Answer 1

我自己也遇到了这个。按照this question运行model._make_train_function()为我修复了这个问题。

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)