Python Keras和xFF1A；load#U模型值错误：轴don'；t匹配数组

我正在用自己的数据集学习gan。我用

wgan.generator.save（'generator.h5'）

wgan.critic.save（'critic.h5'）

装载

model=load\u model（'generator.h5'）

model=load\u model（'critic.h5'）

但这只在第一次使用时效果良好。当我在第二次训练和跑步后再次保存模型时

model=load\u model（'generator.h5'）

model=load\u model（'critic.h5'）

再次出现错误：

ValueError回溯（最近一次调用上次） 在（） ---->1型号=负载\型号（'generator.h5'）

D:\keras\engine\saving.py加载\模型（文件路径、自定义\对象、编译） 262 263#设置权重 -->264从hdf5组加载权重（f['model\u weights'，model.layers） 265 266如果编译：

D:\keras\engine\saving.py从组hdf5加载权重（f，层，重塑） 914原始版本， 915原始_后端， -->916重塑=重塑） 917如果len（重量值）！=len（符号权重）： 918提升值错误（'Layer#'）+str（k）+

D:\keras\engine\saving.py在预处理\u权重\u中加载（图层、权重、原始\u keras\u版本、原始\u后端、重塑） 555权重=转换\u嵌套\u时间\u分布（权重） 556 elif层。类名称在['Model'，'Sequential']中： -->557权重=转换嵌套模型（权重） 558 559如果原始版本='1'：

D:\keras\engine\saving.py在convert\u嵌套\u模型中（权重） 543权重=权重[：num_权重]， 544原始版本=原始版本， -->545原始_后端=原始_后端） 546权重=权重[数量权重：] 547返回新的重量

D:\keras\engine\saving.py在预处理\u权重\u中加载（图层、权重、原始\u keras\u版本、原始\u后端、重塑） 555权重=转换\u嵌套\u时间\u分布（权重） 556 elif层。类名称在['Model'，'Sequential']中： -->557权重=转换嵌套模型（权重） 558 559如果原始版本='1'：

D:\keras\engine\saving.py在convert\u嵌套\u模型中（权重） 531权重=权重[：num_权重]， 532原始版本=原始版本， -->533原始_后端=原始_后端） 534权重=权重[num_权重：] 535

D:\keras\engine\saving.py在预处理\u权重\u中加载（图层、权重、原始\u keras\u版本、原始\u后端、重塑） 673权重[0]=np.重塑（权重[0]，层\权重\形状） 674 elif层\u权重\u形状！=权重[0]。形状： -->675权重[0]=np.转置（权重[0]，（3,2,0,1）） 676如果层。类名称==“ConvLSTM2D”： 677权重=np.转置（权重，（3,2,0,1））

转置中的c:\users\administrator\appdata\local\programs\python\35\lib\site packages\numpy\core\fromnumeric.py（a，轴） 596 597 """ -->598返回（a，‘转置’，轴） 599 六百

c:\users\administrator\appdata\local\programs\python35\lib\site packages\numpy\core\fromnumeric.py in_wrapfunc（obj，method，*args，**kwds） 49 def_wrapfunc（obj，方法，*args，**kwds）： 50次尝试： --->51返回getattr（对象，方法）（*args，**kwds） 52 53#如果对象没有

ValueError:轴与阵列不匹配`

我正在使用

Python 3.5.3

Keras 2.2.2

h5py 2.8.0

tensorflow gpu 1.9.0

keras contrib 2.0.8

Keras应用程序1.0.4

Keras预处理1.0.2

---

任何建议和建议都将不胜感激。

尝试将keras版本降级为2.1.5。它为我解决了问题。

看起来像中描述的问题：

及

虽然该错误尚未修复，但只有当模型中同时存在可训练权重和不可训练权重时，问题才会发生。如果不需要进一步训练模型，可以通过在保存之前冻结所有权重来解决该问题：

from keras import models

def freeze(model):
    """Freeze model weights in every layer."""
    for layer in model.layers:
        layer.trainable = False

        if isinstance(layer, models.Model):
            freeze(layer)

---

您是否在同一台机器上执行训练和预测？

---

将tensorflow的版本更改为训练和预测机器的相同版本，解决了我的问题

即使降级到2.1.5，我也有相同的错误。我可以加载旧的权重，但不能加载当前训练的权重。运行model.predict（）时，我在tf 1.3.0和keras 2.4中得到以下错误保存

tensorflow.python.framework.errors\u impl.failedPremissionError后：从容器：localhost读取资源变量final\u output/bias时出错。这可能意味着该变量未初始化。未找到：容器localhost不存在。（找不到资源：localhost/final\u output/bias）[[{{node final_output/BiasAdd/ReadVariableOp}][[{{{node final_output/Sigmoid}]]

有任何解决方案吗？