修改h5文件以修复Keras I/O错误

几周前，我使用Keras和Theano后端训练了一个卷积神经网络（CNN），并将其保存为h5文件

但今天，当我试图打开它时，我从Theano bn.py文件中得到了BatchNormalization层的以下错误：

ValueError:ε必须至少为1e-5，got为9.99999974738e-06

下面是我的问题：

我能和Keras一起解决这个问题吗

如果第一个问题没有答案，我如何修改h5文件以手动修改此值

---

这是这个问题的临时解决办法。自上一个版本（第220行和第380行）以来，Theano文件bn.py有两个类似的测试，这些测试负责解决问题：

if epsilon < 1e-5:
    raise ValueError("epsilon must be at least 1e-5, got %s" % str(epsilon))

如果ε<1e-5：
raise VALUERROR（“epsilon必须至少为1e-5，获取%s”%str（epsilon））

暂时的解决办法是用做作来代替加薪：

if epsilon < 1e-5:
   epsilon = 1e-5

如果ε<1e-5：
ε=1e-5

---

这并不理想，但它允许读取旧文件。不要忘了在事后撤消此修改。

将我的案例发布以供将来参考，因为它将我带到了这里

在我的例子中，我没有与OP相同的错误，但我有一个h5文件的问题，该文件经过训练并保存，但由于：

TypeError:arg 5（closure）必须是tuple

，因此无法加载。我最终临时修改了来自的lambda反序列化函数中的keras代码

到

这将绕过有问题的lambda函数。它对我有效，因为特定h5中的特定lambda函数只是充当

lambda x:x

，尽管它有点复杂

然后我编写了一个小脚本，加载模型并将其保存在一个新文件中（使用绕过的lambda层）

    elif function_type == 'lambda':
        # Unsafe deserialization from bytecode
        function = func_load(config['function'], globs=globs)

    elif function_type == 'lambda':
        # Unsafe deserialization from bytecode
        if 'my_lambda_name' in config['function'][0]:
          print('bypassing lambda function')
          function = lambda x: x
        else:
          function = func_load(config['function'], globs=globs)

from keras.models import load_model
print('fixing file')
model = load_model('path/to/file.h5')
model.save('path/to/file.fixed.h5')
print('fixed')