保存并加载keras自动编码器

看看这种奇怪的加载/保存模型情况。我保存了可变自动编码器模型及其编码器和解码器：

autoencoder.save（“autoencoder\u save”，overwrite=True）
encoder.save（“encoder\u save”，overwrite=True）
decoder.save（“decoder\u save”，overwrite=T）

之后，我从磁盘加载了所有内容：

autoencoder_disk=load_model（“autoencoder_save”，自定义_对象={'kldiversioncellayer'：kldiversioncellayer，
“nll”：nll}）
编码器\u磁盘=加载\u模型（“编码器\u保存”，自定义\u对象={'KLDivergenceLayer'：KLDivergenceLayer，
“nll”：nll}）
decoder_disk=load_model（“decoder_save”，自定义_对象={'KLDivergenceLayer'：KLDivergenceLayer，
“nll”：nll}）

如果我尝试

x\u test\u encoded=encoder\u disk.predict（x\u test，batch\u size=batch\u size）
x_test_decoded=解码器_disk.predict（x_test_encoded）
打印（np.圆形（x_测试_解码[3]））

一切都很好，就像我从内存中使用编码器/解码器一样，但是如果我尝试

vae=autoencoder\u disk.predict（x\u test\u encoded）

我得到

ValueError：检查模型时出错：您传递给模型的Numpy数组列表的大小不是模型预期的大小。期望看到2个数组，但得到了以下1个数组的列表：。。。

---

虽然我可以从记忆中预测变化的自动编码器。为什么自动编码器从磁盘加载时不工作？

您正在将编码输出

x\u test\u encoded

作为输入传递到自动编码器

autoencoder\u磁盘。predict（x\u test\u encoded）

。您应该通过编码器期望的原始输入

x\u测试

提供可复制的代码来理解如何定义模型是很有帮助的。我猜

vae=autoencoder\u disk.predict（x\u test\u encoded）

应该是

vae=autoencoder\u disk.predict（x\u test）

，因为

x\u test\u encoded

似乎是编码器的输出。是的，你是对的。应该和你写的一样。模型定义如下：根据您的代码，

vae

需要一个包含2个输入的列表。您只提供了1个输入。因此您看到了错误。我尝试将eps放入自定义：\对象中，就像所有其他变量一样：自定义\对象={'KLDivergenceLayer'：KLDivergenceLayer，'nll'：nll，'潜伏期：潜伏期，'epsilon_std'，'eps'：eps，'z'：z:不幸的是没有成功。我还将vae.predict（）行更正为vae.predict（x_测试）关键是，当我在内存中有模型时，它就工作了，而当我加载它时，它就不工作了。我很抱歉，因为误解。我的意思是，我在一个问题中写错了，而不是在我的代码中。答案是根据链接的变量？不幸的是，我找不到遗漏的变量。