Python 如何修复（“ValueError:您试图将包含16层的权重文件加载到包含0层的模型中”）

我是这样使用vgg16的：

model=VGG16（）
数据、标签=读取图像（列车方向）
vgg16=vgg16（）
模型=顺序（）
#将VGG16转换为序列模型
对于vgg16中的层。层[：-1]：
模型。添加（图层）
#冻结除最后一层外的所有层以进行迁移学习
对于model.layers中的图层：
layer.trainable=错误
#添加自定义softmax层
model.add（密集型（1，激活='sigmoid'））
#编译我们的模型
compile（优化器='adam'，loss='binary\u crossentropy'，metrics=['accurity']）
model.fit（np.array（数据），np.array（标签），批大小=32，历代=3）
model.save（'model.h5'）

当我尝试将此模型加载到另一个py文件中时

model=load\u model（'model.h5'））

我已经尝试加载权重并抛出了一个错误

。。。返回此错误：

ValueError: You are trying to load a weight file containing 16 layers into a model with 0 layers

我应该如何加载此模型以进行预测

版本：keras 2.2.4 tensorflow 1.14.0已知问题：

有三种选择：1。重新创建模型体系结构并使用“

load_weights

”。如果你只想做预测，这是很好的。2.降级至Keras版本

2.1.6.

3。此链接提供了一个变通方法。我将其改编为VGG16。这将更新h5文件

def fix_layer0(filename, batch_input_shape, dtype):
    with h5py.File(filename, 'r+') as f:
        model_config = json.loads(f.attrs['model_config'].decode('utf-8'))
        layer0 = model_config['config']['layers'][0]['config']
        layer0['batch_input_shape'] = batch_input_shape
        layer0['dtype'] = dtype
        f.attrs['model_config'] = json.dumps(model_config).encode('utf-8')

fix_layer0('model.h5', [None, 224, 224, 3], 'float32')

loaded_model = load_model('model.h5')

---

新版本的TensorFlow解决了这个问题

只需升级TensorFlow：

---

pip安装tensorflow--升级

很抱歉，我发布了错误的版本。。我使用的是load_模型，它返回的错误是您使用的Keras/tensorflow的哪个版本？Keras 2.2.4 tensor 1.14.0首先检查Keras版本，如果您一定要使用旧版本，请尝试定义输入_形状。如果你确定一个新版本包含一个补丁，那么提供一个到变更日志的链接来确认这一点会很有用。