Python 在Keras中恢复具有共享层的多个模型
使用tensorflow gpu 2.0.0.b1 在一个名为mymodels的列表中,我有一组完全连接的模型Model_0到Model_n。输入层和前3个密集层被命名为“输入、共享0、共享1、共享2”,每个模型都有额外的密集层连接到“共享2”。这些模型是使用FunctionalAPI方法构建的 我正在尝试保存模型并在以后恢复它们,然后继续培训 问题是: 我当前正在使用mymodels[I].save(f'Model_{I}/)保存模型。 我目前正在使用mymodels[I]=tf.keras.models.load_model(f'model_{I}/)来加载模型 在检查模型的图层时,我可以看到共享图层在保存之前是相同的对象。加载模型后,共享层是每个模型的不同对象,但它们具有正确的名称。i、 e.mymodels[0]。层[1]==mymodels[1]。层[1]在保存前返回True,但在加载后返回False 保存模型并加载以继续培训的正确方法是什么Python 在Keras中恢复具有共享层的多个模型,python,tensorflow,keras,Python,Tensorflow,Keras,使用tensorflow gpu 2.0.0.b1 在一个名为mymodels的列表中,我有一组完全连接的模型Model_0到Model_n。输入层和前3个密集层被命名为“输入、共享0、共享1、共享2”,每个模型都有额外的密集层连接到“共享2”。这些模型是使用FunctionalAPI方法构建的 我正在尝试保存模型并在以后恢复它们,然后继续培训 问题是: 我当前正在使用mymodels[I].save(f'Model_{I}/)保存模型。 我目前正在使用mymodels[I]=tf.keras.