AttributeError:在导入TensorFlow模型Keras时，'Functional‘对象没有属性'predict_segmentation’

Question

我成功地训练了一个Keras模型，比如：

import tensorflow as tf
from keras_segmentation.models.unet import vgg_unet

# initaite the model
model = vgg_unet(n_classes=50, input_height=512, input_width=608)

# Train
model.train(
    train_images=train_images,
    train_annotations=train_annotations,
    checkpoints_path="/tmp/vgg_unet_1", epochs=5
)

并以hdf5格式保存：

tf.keras.models.save_model(model,'my_model.hdf5')

然后我装载我的模型

model=tf.keras.models.load_model('my_model.hdf5')

最后，我想对一幅新的图像进行分割预测。

out = model.predict_segmentation(
    inp=image_to_test,
    out_fname="/tmp/out.png"
)

我得到了以下错误：

AttributeError: 'Functional' object has no attribute 'predict_segmentation'

我做错什么了？是当我保存我的模型还是当我装载它的时候？

谢谢！

Answer 1

predict_segmentation不是普通Keras模型中可用的函数。看起来它是在keras_segmentation库中创建模型之后添加的，这可能就是Keras不能再次加载它的原因。

我想你有两个选择。

1. 您可以使用我链接的代码中的行手动将函数添加回模型。

model.predict_segmentation = MethodType(keras_segmentation.predict.predict, model)

1. 在重新加载模型时，您可以使用相同的参数创建一个新的vgg_unet，并按照Keras文档中的建议，将权重从您的hdf5文件传递到该模型。

model = vgg_unet(n_classes=50, input_height=512, input_width=608)
model.load_weights('my_model.hdf5')