Python 无法使用load_model（）加载模型

执行以下所有导入时没有任何错误

import cv2
import numpy as np
import dlib
import glob
from scipy.spatial import distance
from imutils import face_utils
from keras.models import load_model
from fr_utils import *
from inception_blocks_v2 import *

当我尝试导入一个预先训练过的模型“face-rec_Google.h5”时，它已经使用facenet进行了训练。文件（'face-rec_Google.h5'）位于我的项目文件夹中

x = load_model('face-rec_Google.h5')

我得到以下错误

ValueError: Initializer for variable conv1_4/kernel/ is from inside a 
control-flow construct, such as a loop or conditional. When creating a   
variable inside a loop or conditional,
use a lambda as the initializer.

下面是整个人脸识别代码：

import cv2
import numpy as np
import dlib
import glob
from scipy.spatial import distance
from imutils import face_utils
from keras.models import load_model
from fr_utils import *
from inception_blocks_v2 import *

detector = dlib.get_frontal_face_detector()

x = load_model('face-rec_Google.h5')
print("Total Params:", x.count_params())
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")
thresh = 0.25


def eye_aspect_ratio(eye):
    A = distance.euclidean(eye[1], eye[5])
    B = distance.euclidean(eye[2], eye[4])
    C = distance.euclidean(eye[0], eye[3])
    ear = (A + B) / (2.0 * C)
    return ear

def recognize_face(face_descriptor, database):
    encoding = img_to_encoding(face_descriptor, FRmodel)
    min_dist = 100
    identity = None

    # Loop over the database dictionary's names and encodings.
    for (name, db_enc) in database.items():

        # Compute L2 distance between the target "encoding" and the current "emb" from the database.
        dist = np.linalg.norm(db_enc - encoding)

        print('distance for %s is %s' % (name, dist))

        # If this distance is less than the min_dist, then set min_dist to dist, and identity to name
        if dist < min_dist:
            min_dist = dist
            identity = name

    if int(identity) <=4:
        return str('Akshay'), min_dist
    if int(identity) <=8:
        return str('Apoorva'), min_dist



def extract_face_info(img, img_rgb, database,ear):
    faces = detector(img_rgb)
    x, y, w, h = 0, 0, 0, 0
    if len(faces) > 0:
        for face in faces:
            (x, y, w, h) = face_utils.rect_to_bb(face)
            cv2.rectangle(img, (x, y), (x + w, y + h), (255, 255, 0), 2)
            image = img[y:y + h, x:x + w]
            name, min_dist = recognize_face(image, database)
            if ear > thresh:
                if min_dist < 0.1:
                    cv2.putText(img, "Face : " + name, (x, y - 50), cv2.FONT_HERSHEY_PLAIN, 1.5, (0, 255, 0), 2)
                    cv2.putText(img, "Dist : " + str(min_dist), (x, y - 20), cv2.FONT_HERSHEY_PLAIN, 1.5, (0, 255, 0), 2)
                else:
                    cv2.putText(img, 'No matching faces', (x, y - 20), cv2.FONT_HERSHEY_PLAIN, 1.5, (0, 0, 255), 2)
            else:
                cv2.putText(img, 'Eyes Closed', (x, y - 20), cv2.FONT_HERSHEY_PLAIN, 1.5, (0, 0, 255), 2)

def initialize():
    #load_weights_from_FaceNet(FRmodel)
    #we are loading model from keras hence we won't use the above method
    database = {}

    # load all the images of individuals to recognize into the database
    for file in glob.glob("images//"):
        identity = os.path.splitext(os.path.basename(file))[0]
        database[identity] = fr_utils.img_path_to_encoding(file, FRmodel)
    return database


def recognize():
    database = initialize()
    cap = cv2.VideoCapture(0)
    (lStart, lEnd) = face_utils.FACIAL_LANDMARKS_IDXS["left_eye"]
    (rStart, rEnd) = face_utils.FACIAL_LANDMARKS_IDXS["right_eye"]
    while True:
        ret, img = cap.read()
        img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        subjects = detector(gray, 0)
        for subject in subjects:
            shape = predictor(gray, subject)
            shape = face_utils.shape_to_np(shape)  # converting to NumPy Array
            leftEye = shape[lStart:lEnd]
            rightEye = shape[rStart:rEnd]
            leftEAR = eye_aspect_ratio(leftEye)
            rightEAR = eye_aspect_ratio(rightEye)
            ear = (leftEAR + rightEAR) / 2.0
            leftEyeHull = cv2.convexHull(leftEye)
            rightEyeHull = cv2.convexHull(rightEye)
            cv2.drawContours(img, [leftEyeHull], -1, (0, 255, 0), 1)
            cv2.drawContours(img, [rightEyeHull], -1, (0, 255, 0), 1)
            extract_face_info(img, img_rgb, database,ear)
        cv2.imshow('Recognizing faces', img)
        if cv2.waitKey(1) == ord('q'):
            break

    cap.release()
    cv2.destroyAllWindows()


recognize()

导入cv2
将numpy作为np导入
导入dlib
导入glob
从scipy.spatial导入距离
从imutils导入面\u utils
从keras.models导入负载_模型
从fr_utils导入*
从开始\u块\u v2导入*
探测器=dlib.获取正面探测器（）
x=加载模型（'face-rec_Google.h5'））
打印（“总参数：，x.计数参数（））
predictor=dlib.shape\u predictor（“shape\u predictor\u 68\u face\u landmarks.dat”）
thresh=0.25
def眼宽比（眼）：
A=距离。欧几里德（眼睛[1]，眼睛[5]）
B=距离。欧几里德（眼睛[2]，眼睛[4]）
C=距离。欧几里德（眼睛[0]，眼睛[3]）
ear=（A+B）/（2.0*C）
回音耳
def识别面（面描述符，数据库）：
编码=img_到_编码（面描述符，FRmodel）
最小距离=100
标识=无
#循环数据库字典的名称和编码。
对于数据库中的（名称，db_enc）。项（）
#计算目标“编码”和数据库中当前“emb”之间的L2距离。
dist=np.linalg.norm（db_enc-编码）
打印（“%s”的距离为“%s%”（名称，距离））
#如果此距离小于“最小距离”，则将“最小距离”设置为“距离”，将“标识”设置为“名称”
如果距离小于最小距离：
最小距离=距离
标识=名称
如果int（标识）阈值：
如果最小距离<0.1：
cv2.putText（img，“Face:+name，（x，y-50），cv2.FONT\u HERSHEY\u PLAIN，1.5，（0，255，0），2）
cv2.putText（img，“Dist:+str（min_Dist），（x，y-20），cv2.FONT_HERSHEY_PLAIN，1.5，（0，255，0），2）
其他：
cv2.putText（img，'无匹配面'，（x，y-20），cv2.FONT\u HERSHEY\u PLAIN，1.5，（0，0，255），2）
其他：
cv2.putText（img，“闭眼”（x，y-20），cv2.FONT\u HERSHEY\u PLAIN，1.5，（0，0，255），2）
def初始化（）：
#从面网（FRmodel）加载重量
#我们正在从keras加载模型，因此我们不会使用上述方法
数据库={}
#将要识别的个人的所有图像加载到数据库中
对于glob.glob（“images/”）中的文件：
identity=os.path.splitext（os.path.basename（文件））[0]
数据库[identity]=fr_utils.img_path_to_编码（文件，FRmodel）
返回数据库
def recognize（）：
数据库=初始化（）
cap=cv2.视频捕获（0）
（lStart，lEnd）=面部特征。面部标志物[“左眼”]
（rStart，rEnd）=面部特征。面部标志物[“右眼”]
尽管如此：
ret，img=cap.read（）
img_rgb=cv2.cvt颜色（img，cv2.COLOR_BGR2RGB）
灰色=cv2.CVT颜色（img，cv2.COLOR\U BGR2GRAY）
受试者=检测器（灰色，0）
关于主题中的主题：
形状=预测值（灰色，主体）
shape=face_utils.shape_to_np（shape）#转换为NumPy数组
leftEye=形状[lStart:lEnd]
右眼=形状[rStart:rEnd]
左眼=眼睛与纵横比（左眼）
右眼=眼睛与纵横比（右眼）
ear=（左耳+右耳）/2.0
leftEyeHull=cv2.convexHull（左眼）
右眼外壳=cv2.凸面外壳（右眼）
cv2.等高线图（img，[leftEyeHull]，-1，（0,255,0），1）
cv2.等高线图（img，[rightEyeHull]，-1，（0,255,0,1）
提取面部信息（img、img、rgb、数据库、ear）
cv2.imshow（“识别人脸”，img）
如果cv2.waitKey（1）=ord（'q'）：
打破
第1章释放（）
cv2.destroyAllWindows（）
承认

您使用的Keras版本是什么

我的一个建议是尝试将Keras更新到其最新版本（撰写此评论时为2.2.4）

确保您还将keras.applications和keras.preprocessing更新为其最新版本

如果这不起作用，您可以尝试以下选项：

首先卸载Keras及其应用程序+预处理（对不起，我忘了添加这个）

然后，更新TensorFlow的版本。完成此步骤后，请遵循以下建议

通过

tensorflow

尝试使用

load\u model

方法。

---

例如：从

tensorflow.keras.models导入load\u model

这里是我的依赖项keras-2.2.4，keras应用程序-1.0.6 keras预处理-1.0.5 tensorflow-1.8从tensorflow.keras.models导入load\u model导致modulenofounderror卸载keras。因为Keras现在是tensorflow后端的一部分，所以不需要单独安装Keras。升级TensorFlow并卸载Keras。另外，确保以相同的方式导入所有内容；示例：使用tensorflow.keras.xThanks代替keras.x它工作的人忘记重命名tensorflow.keras我的其他文件，因此错误持续了一段时间。没有问题，我很高兴它解决了您的问题！：你能包括错误的完整回溯吗？