Python 我需要一些帮助的keras图像分类器项目

我一直在做这个成像仪，但它不能编译。如果培训文档效果良好，但预测图像的文档效果不佳，则可以使用培训文档

它由基于这些视频的图像分类器组成

这是培训代码（它工作得很好）

import sys#Lo vamos a hacer con TensorFLow pero dentro de este tenemos la posibilidad de usar Keras。
在新系统的指导下，输入一个输入文件。
导入tensorflow作为tf
来自tensorflow.python.keras.preprocessing.image import ImageDataGenerator#Libreria que nos va a pre procesar las imagenes para entrenar a nuestro algoritmo：
从tensorflow.python.keras导入优化器#导入los优化：
从tensorflow.python.keras.models导入顺序的#导入到图书馆，您可以从中获得对神经系统安全性的许可（Cada una de las capas estáordenada）：
从tensorflow.python.keras.layers导入退出、展平、密集、激活
从tensorflow.python.keras.layers导入卷积2D、MaxPoolig2D#导入到las capas en las cuales vamos a estar haciendo nuestras Convaluciones和max pooling：
从tensorflow.python.keras导入后端，作为K#Importo la libreria que nos va a ayudar a que si hay una sesión de queras que estácorriendo en segundo plano，matarlo y empezar de 0：
K.清除会话（）#Empiezo una sesión nueva：
data\u Enternamiento=r'C:\Users\JOSEA\Downloads\data\train'#La“r”al principio de La string La va a Transformer在原始字符串参数中无法检测到el comando，特别是“\”。
data\u validacion=r'C:\Users\JOSEA\Downloads\data\validation'
##参数：
epocas=20#Veces-que-vamos是iterar nuestro数据集。
altura，longitud=100100#Tamaño al-que vamos a procesar nuestras imágenes。
批次大小=32个，这是一个令人羡慕的过程。（埃维塔·索布雷卡加德拉姆）。
pasos=1000辆汽车，用于汽车的信息处理。
pasos_validacion=200个最终数据集（Comprobación）。
filtersconv1=32
filtrosConv2=64#N#mero de filtros que va a haber en cada convalucióN。深邃的眼睛。
tamano_filtro1=（3,3）
tamano_filtro2=（2,2）#Filtro（altura x longitud）
tamano_pool=（2,2）#Tamaño del filtro en MaxPooling
类别=2#“加托”、“佩罗”、“戈里拉”
lr=0.0005#学习率。在大城市里，一个城市是一个城市，一个城市是一个城市，一个城市是一个城市，一个城市是一个城市，一个城市是一个城市，一个城市是一个城市，一个城市是一个城市，一个城市是一个城市，一个城市是一个城市
##图像预处理：
#这是一个标志性的过程，它是一个信息化的过程，是一个变革的过程。
# ----------------------------------------------------------------------------------------------------------------------
Enternamiento_datagen=图像数据生成器(
重缩放=1./255，#将0-255的cada像素转换为0-1的cada像素（向下缩放）
剪切范围=0.3，#Va a倾斜旋转的cada图像，该图像显示的是透视图中的目标
缩放范围=0.3，#Va a hacer缩放一幅cada图像，并根据变换形式的中间算法。
水平翻转=真#Va反转图像。
)
validacion_datagen=图像数据生成器(
重新调整比例=1./255#单独重新调整测试结果的比较。
)
#Creo las dos variables que van a contenner a las imágenes procesadas de Training y Testing。
# ----------------------------------------------------------------------------------------------------------------------
imagen_enternamiento=enternamiento_datagen.flow_来自_目录(
“数据”指的是“数据”。
目标尺寸=（altura，longitud），#Va a preprocessar todas las imágenes que se container a una altura y longitud（定义为arriba）。
批次大小=批次大小，以32个imágenes为例。
类别模式=‘分类’#La clasificación va a ser categoórica[“perro”、“gato”、“gorila”]
)
imagen_validacion=validacion_datagen.flow_来自_目录(
数据有效性，
目标尺寸=（altura，longitud），
批次大小=批次大小，
class_mode='categorical'
)
#Creo nuestra红色神经元旋涡：
#-----------------------------------------------------------------------------------------------------------------------
cnn=Sequential（）。
添加（卷积2D（filtrosConv1，tamano_filtro1，填充=
C:\Users\JOSEA\Anaconda3\envs\Ajedrez\python.exe C:/Users/JOSEA/PycharmProjects/Image_Classifier_TF/predicciones.py
Using TensorFlow backend.
Traceback (most recent call last):
  File "C:/Users/JOSEA/PycharmProjects/Image_Classifier_TF/predicciones.py", line 12, in <module>
    cnn = load_model(modelo)
  File "C:\Users\JOSEA\Anaconda3\envs\Ajedrez\lib\site-packages\keras\engine\saving.py", line 419, in load_model
    model = _deserialize_model(f, custom_objects, compile)
  File "C:\Users\JOSEA\Anaconda3\envs\Ajedrez\lib\site-packages\keras\engine\saving.py", line 225, in _deserialize_model
    model = model_from_config(model_config, custom_objects=custom_objects)
  File "C:\Users\JOSEA\Anaconda3\envs\Ajedrez\lib\site-packages\keras\engine\saving.py", line 458, in model_from_config
    return deserialize(config, custom_objects=custom_objects)
  File "C:\Users\JOSEA\Anaconda3\envs\Ajedrez\lib\site-packages\keras\layers\__init__.py", line 55, in deserialize
    printable_module_name='layer')
  File "C:\Users\JOSEA\Anaconda3\envs\Ajedrez\lib\site-packages\keras\utils\generic_utils.py", line 145, in deserialize_keras_object
    list(custom_objects.items())))
  File "C:\Users\JOSEA\Anaconda3\envs\Ajedrez\lib\site-packages\keras\engine\sequential.py", line 300, in from_config
    custom_objects=custom_objects)
  File "C:\Users\JOSEA\Anaconda3\envs\Ajedrez\lib\site-packages\keras\layers\__init__.py", line 55, in deserialize
    printable_module_name='layer')
  File "C:\Users\JOSEA\Anaconda3\envs\Ajedrez\lib\site-packages\keras\utils\generic_utils.py", line 147, in deserialize_keras_object
    return cls.from_config(config['config'])
  File "C:\Users\JOSEA\Anaconda3\envs\Ajedrez\lib\site-packages\keras\engine\base_layer.py", line 1109, in from_config
    return cls(**config)
  File "C:\Users\JOSEA\Anaconda3\envs\Ajedrez\lib\site-packages\keras\legacy\interfaces.py", line 91, in wrapper
    return func(*args, **kwargs)
  File "C:\Users\JOSEA\Anaconda3\envs\Ajedrez\lib\site-packages\keras\layers\convolutional.py", line 490, in __init__
    **kwargs)
  File "C:\Users\JOSEA\Anaconda3\envs\Ajedrez\lib\site-packages\keras\layers\convolutional.py", line 117, in __init__
    self.kernel_initializer = initializers.get(kernel_initializer)
  File "C:\Users\JOSEA\Anaconda3\envs\Ajedrez\lib\site-packages\keras\initializers.py", line 508, in get
    return deserialize(identifier)
  File "C:\Users\JOSEA\Anaconda3\envs\Ajedrez\lib\site-packages\keras\initializers.py", line 503, in deserialize
    printable_module_name='initializer')
  File "C:\Users\JOSEA\Anaconda3\envs\Ajedrez\lib\site-packages\keras\utils\generic_utils.py", line 138, in deserialize_keras_object
    ': ' + class_name)
ValueError: Unknown initializer: GlorotUniform

Process finished with exit code 1

from keras.models import load_model

from tensorflow.keras.models import load_model