Python 无法使用权重文件脱机加载keras resnet50模型

我想离线训练keras预训练的resnet50模型，但我无法加载模型

---

当我设置

weights='imagenet'

时，它会工作。它会自动下载图像净重文件

从keras.applications.resnet导入ResNet50
基本模型=ResNet50（包括顶部=False，权重=resnet，输入形状=（w，h，3），池=平均值）

但是当我手动下载相同的权重文件并设置

weights=resnet\u weights\u path

时，它抛出ValueError

（w，h）=224
resnet_weights_path='../input/resnet50/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5'
基本模型=ResNet50（包括顶部=假，权重=resnet\u权重路径，输入形状=（w，h，3），池=平均值）

ValueError:形状（1、1、256、512）和（512、128、1、1）不兼容

完全回溯：

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在里面
1 resnet_weights_path='../input/resnet50/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5'
2基本\u模型=ResNet50（包括\u顶部=假，权重=resnet\u权重\u路径，
---->3池（平均值）
4基本模型摘要（）
/包装中的opt/conda/lib/python3.6/site-packages/keras/applications/__-init___;.py（*args，**kwargs）
18 kwargs[“模型”]=模型
19 kwargs['utils']=utils
--->20返回基地乐趣（*args，**kwargs）
21
22返回包装器
/ResNet50中的opt/conda/lib/python3.6/site-packages/keras/applications/resnet.py（*args，**kwargs）
12@keras\u模块\u注入
13 def ResNet50（*args，**kwargs）：
--->14返回resnet.ResNet50（*args，**kwargs）
15
16
/ResNet50中的opt/conda/lib/python3.6/site-packages/keras_applications/resnet_common.py（包括顶部、权重、输入张量、输入形状、池、类、**kwargs）
433输入张量，输入形状，
434汇集、分类、，
-->435**夸尔格）
436
437
/resnet中的opt/conda/lib/python3.6/site-packages/keras\u applications/resnet\u common.py（堆栈fn、前置、使用偏差、模型名称、包括顶部、权重、输入张量、输入形状、池、类、**kwargs）
411型号。负载重量（重量路径）
412 elif权重不是无：
-->413型号。负载重量（重量）
414
415返回模型
/load_包装中的opt/conda/lib/python3.6/site-packages/keras/engine/saving.py（*args，**kwargs）
490操作系统删除（tmp_文件路径）
491返回res
-->492返回加载函数（*args，**kwargs）
493
494返回装载包装器
/加载权重中的opt/conda/lib/python3.6/site-packages/keras/engine/network.py（self、filepath、按名称、跳过不匹配、重塑）
1228其他：
1229保存。从组hdf5加载权重(
->1230 f，self.layers，重塑=重塑）
1231如果hasattr（f，“关闭”）：
1232 f.关闭（）
/opt/conda/lib/python3.6/site-packages/keras/engine/saving.py从hdf5组加载（f，层，重塑）
1235“元素”。）
1236权重值元组+=zip（符号权重、权重值）
->1237 K.批次设置值（重量值元组）
1238
1239
/批处理值（元组）中的opt/conda/lib/python3.6/site-packages/keras/backend/tensorflow\u backend.py
2958`value`应该是一个Numpy数组。
2959     """
->2960 tf_keras_后端。批处理设置值（元组）
2961
2962
/批处理值（元组）中的opt/conda/lib/python3.6/site-packages/tensorflow\u core/python/keras/backend.py
3321带有ops.init_scope（）：
3322对于x，以元组为单位的值：
->3323 x.assign（np.asarray（value，dtype=dtype（x）））
3324其他：
3325带有get_graph（）。作为_default（）：
/分配中的opt/conda/lib/python3.6/site-packages/tensorflow\u core/python/ops/resource\u variable\u ops.py（self、value、use\u locking、name、read\u value）
817带_handle_图（self.handle）：
818值\u张量=运算。将\u转换为\u张量（值，dtype=self.dtype）
-->819 self.\u shape.assert与（value\u tensor.shape）兼容
820分配操作=发电机资源变量操作。分配变量操作(
821 self.handle，值\u张量，name=name）
/断言中的opt/conda/lib/python3.6/site-packages/tensorflow\u core/python/framework/tensor\u shape.py与（自身、其他）兼容
1108     """
1109如果不是自身，是否与（其他）兼容：
->1110提升值错误（“形状%s和%s不兼容”%（自身、其他））
1111
1112 def最特定的兼容形状（自身、其他）：
ValueError:形状（1、1、256、512）和（512、128、1、1）不兼容

它们是一种形状不匹配，除了根据权重更改架构外，无法解决，因为向量形状不匹配会导致问题

从此处下载权重，然后重试。这些是keras自身给出的权重

WEIGHTS_PATH = ('https://github.com/fchollet/deep-learning-models/'
                'releases/download/v0.2/'
                'resnet50_weights_tf_dim_ordering_tf_kernels.h5')
WEIGHTS_PATH_NO_TOP = ('https://github.com/fchollet/deep-learning-models/'
                       'releases/download/v0.2/'
                       'resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5')

---

这个问题可能是因为keras版本。我目前使用的keras版本是

2.3.1

请执行以下操作以解决问题：

---

1.使用选项

weights='imagenet'

运行代码。它会自动下载重量文件。
2.提供下载重量文件的路径

请将参数“by_name=True”添加到“model.load_weights（）”中。无论是在线模式还是离线模式，它都是问题的正确解决方案。我采用离线模式，因为我的桌面上有权重

# Build model.
model = Model(inputs, x, name='resnet50')

# load weights
if weights == 'imagenet':
    if include_top:
        weights_path = WEIGHTS_PATH
    else:
        weights_path = WEIGHTS_PATH_NO_TOP
    # -model.load_weights(weights_path)
    model.load_weights(weights_path, by_name=True)

---

对于加载Resnet50供脱机使用的简单解决方案，您可以通过设置参数

weights='imagenet'

from keras.applications.resnet import ResNet50

base_model = ResNet50(include_top=False, weights='imagenet', input_shape=(w,h,3), pooling='avg')

使用保存模型

base_model.save("model_name.h5")

然后可以使用

---

你能包括完整的追踪吗？@MatiasValdenegro我已经加上了

from tensorflow.keras.models import load_model
resnet = load_model('model_name.h5')