Deep learning 无法加载keras 2的VGG16权重文件

我正在使用keras2进行vgg16微调。在实际细化顶层权重之前，我需要加载VGG16模型权重，以避免长时间的训练

我从下载了VGG16权重。我尝试过的权重包括“vgg16权重大小排序大小排序大小排序大小内核.h5”和“vgg16权重大小排序大小排序大小内核.h5”，但都失败了，出现以下错误：

   File "h5py/h5a.pyx", line 77, in h5py.h5a.open (/tmp/pip-nCYoKW-build/h5py/h5a.c:2337)
KeyError: "Can't open attribute (Can't locate attribute: 'nb_layers')"

用于加载权重文件的代码如下所示：

# loading the weights of the pre-trained VGG16:
assert os.path.exists(weights_path), 'Model weights not found (see "weights_path" variable in script).'
f = h5py.File(weights_path, 'r')
for k in range(f.attrs['nb_layers']):
    if k >= len(model.layers):
        break
    g = f['layer_{}'.format(k)]
weights = [g['param_{}'.format(p)] for p in range(g.attrs['nb_params'])]
model.layers[k].set_weights(weights)
f.close()

---

事实上，我在StackOverflow中发现了一个，但它并没有解决我的问题。那么，您是否遇到了同样的问题，或者您可以帮助我解决这个问题？

为什么不使用应用程序提供的版本。谢谢。我现在可以使用这个版本来处理它了。但还有一个问题。顶层是我自己创建的，我想从文件中加载权重，而不是使用初始随机权重创建它们。他使用Sequential（）创建顶层，使用.load_weights（）方法加载权重文件，然后使用.add（）方法连接顶层和VGG-16的层。但在Keras2中这是不可能的，因为VGG16属于“Model”类型，并且没有.add（）方法。那么，在这种情况下如何加载权重文件呢？同样，应用程序也可以加载权重文件。只需将

weight

参数设置为

imagenet

，模型将预加载这些权重。我的意思是加载顶层的权重。VGG16的重量很容易使用您提到的方式加载。但我需要修正VGG16的权重，并学习顶层的权重。但我不想从零开始学习，而是从一个预训练的权重文件中学习。我终于找到了一个解决方案。Model（）类有一个方法。load_weights（）。然后使用Model（）连接两个模型：

input\u tensor=input（shape=（150150,3））base\u Model=applications.VGG16（weights='imagenet'，include\u top=False，input\u tensor=input\u tensor）top\u Model=Sequential（）top\u Model.add（展平（input\u shape=base\u Model.output\u shape[1:]）top\u Model.add（稠密（256，activation='relu'））top\u Model.add（0.5））top_model.add（稠密（1，activation='sigmoid'））top_model.load_weights（top_model_weights_path）model=model（输入=base_model.input，输出=top_model（base_model.output））