如何使用keras加载tf.keras模型

Question

我一直在使用tensorflow 1.12.0中的keras模块来训练和保存模型。我最近发现了一个看似有用的库，用于可视化权重/输出，但它们需要将模型加载为Keras模型。我在尝试使用keras加载我的tf.keras模型时遇到了一个错误，希望有人能提供一个解决方案。Python版本3.5.2，Keras版本2.2.4。

我为GlorotUniform定义了自定义对象，因为keras无法识别该初始值设定项。之后，当我尝试加载模型时，我得到了一个TypeError。

# This works
model = tf.keras.models.load_model('./densenet_model.h5')

# This does not work
model = keras.models.load_model('./densenet_model.h5', custom_objects={"GlorotUniform": tf.keras.initializers.glorot_uniform})

# This is the error that happens
TypeError: tuple indices must be integers or slices, not list

总之，我想知道是否有一种简单的方法可以将使用tf.keras创建的模型转换为keras模型。

Answer 1

我想出了一个解决办法。我只需使用tf.keras.load_model加载模型，然后加载save_weights。然后，我使用Keras构建相同的模型，并只使用load_weights。我用我的验证数据集检查了输出，从而验证了权重是否被正确加载。

Answer 2

我使用的是from tensorflow.python.keras.models import load_model而不是from keras.models import load_model。问题就解决了。