Python 无法在Tensorflow 2.0中使用VGFace keras

我正在尝试使用keras VGFace图书馆来训练CNN。我已经安装了tensorflow 2.0.0-rc1、keras 2.3.1、cuda 10.1、cudnn 7.6.5，驱动程序版本是418，问题是当我尝试使用VGFace模型作为卷积基时，我得到了一个错误，下面是代码和错误

from keras_vggface.vggface import VGGFace 
conv_base = VGGFace(model='vgg16', include_top=False)

model = models.Sequential()
model.add(conv_base)
model.add(layers.Flatten())
model.add(layers.Dense(1024, activation='relu'))
model.add(layers.Dense(800, activation='softmax'))

错误

TypeError Traceback (most recent call last)
    <ipython-input-4-f6b5cad8f44b> in <module>
          1 #arquitectura
          2 model = models.Sequential()
    ----> 3 model.add(conv_base)
          4 model.add(layers.Flatten())
          5 model.add(layers.Dense(1024, activation='relu'))

~/anaconda3/envs/vggface/lib/python3.7/site-packages/tensorflow_core/python/training/tracking/base.py in _method_wrapper(self, *args, **kwargs)
        455     self._self_setattr_tracking = False  # pylint: disable=protected-access
        456     try:
    --> 457       result = method(self, *args, **kwargs)
        458     finally:
        459       self._self_setattr_tracking = previous_value  # pylint: disable=protected-access

~/anaconda3/envs/vggface/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/sequential.py in add(self, layer)
        156       raise TypeError('The added layer must be '
        157                       'an instance of class Layer. '
    --> 158                       'Found: ' + str(layer))
        159 
        160     tf_utils.assert_no_legacy_layers([layer])

TypeError: The added layer must be an instance of class Layer. Found: <keras.engine.training.Model object at 0x7f0bf03db210>

TypeError回溯（最近一次调用）
在里面
1#阿奎特拉
2 model=models.Sequential（）
---->3型号。添加（conv_底座）
4.model.add（layers.flatte（））
5.model.add（layers.Dense（1024，activation='relu'））
~/anaconda3/envs/vggface/lib/python3.7/site-packages/tensorflow\u core/python/training/tracking/base.py in\u method\u wrapper（self，*args，**kwargs）
455 self._self_setattr_tracking=False#pylint:disable=protected access
456试试：
-->457结果=方法（自身、*args、**kwargs）
458最后：
459 self._self_setattr_tracking=上一个值#pylint:disable=受保护访问
添加中的~/anaconda3/envs/vggface/lib/python3.7/site-packages/tensorflow\u core/python/keras/engine/sequential.py（self，layer）
156 raise TypeError（'添加的图层必须为'
157“类层的实例”
-->158'找到：'+str（层））
159
160 tf_utils.assert_no_legacy_层（[层]）
TypeError：添加的层必须是类层的实例。发现：

---

感谢阅读，我希望您能告诉我为什么会出现此错误以及如何解决此错误。

问题在于

keras

和

tf.keras

之间的不兼容。您正在使用的库（vggface keras）使用

keras

，而您的代码使用

tf.keras

。这行不通

---

唯一可能的解决方案是对整个管道使用

keras

，或者修改

vggface keras

库以使用

tf.keras

，包括修改所有导入和修复出现的任何错误。

问题是

keras

和

tf.keras

之间不兼容。您正在使用的库（vggface keras）使用

keras

，而您的代码使用

tf.keras

。这行不通

---

唯一可能的解决方案是在整个管道中使用

keras

，或者修改

vggface keras

库以使用

tf.keras

，包括修改所有导入和修复出现的任何错误。

这里有一个页面，您可以下载带有vggface模型权重的.h5文件，因此，我们可以使用它在tensorflow中进行训练，其版本高于1.15

---

这是一个页面，您可以在其中下载带有VGFace模型权重的.h5文件，因此我们可以使用它在tensorflow中进行训练，其版本高于1.15

---

VGG Face被包装在python的deepface框架中。只需将VGG面字符串传递给模型名变量

#!pip install deepface
from deepface import DeepFace
obj = DeepFace.verify([
      ["img1.jpg", "img2.jpg"],
      ["img1.jpg", "img3.jpg"],
      ["img1.jpg", "img4.jpg"],
   ]
   , model_name = "VGG-Face")
print(obj)

---

此块将检查img2、img3、img4之间的img1。

VGG面被包装在python的deepface框架中。只需将VGG面字符串传递给模型名变量

#!pip install deepface
from deepface import DeepFace
obj = DeepFace.verify([
      ["img1.jpg", "img2.jpg"],
      ["img1.jpg", "img3.jpg"],
      ["img1.jpg", "img4.jpg"],
   ]
   , model_name = "VGG-Face")
print(obj)

---

此区块将在img2、img3、img4之间检查img1。

感谢awnser我正在做这些事情并正在努力，如果我发现我无法处理的事情，我将在那里编辑，否则我将在那里分享我的东西感谢现在感谢awnser我正在做这些事情并正在努力，如果我发现我无法处理的事情，我将在那里编辑，否则我会分享我的东西谢谢你抱歉，但这能训练神经网络吗？我可以使用除最后3层之外的所有层吗，比如w/tensorflow和keras？这将在背景中构建一个tensorflow/keras模型。你不需要再培训，但是如果你愿意的话，你仍然可以再培训。谢谢你的回复，这里的内容是我有2万个不同的人，其中大约有300张照片，我试图在ip cam流中对他们进行分类，我不知道是否制作deepface.verify将是wright Approach，你认为呢？大规模的人脸识别是用deepface中的查找功能来处理的。它会在数据库中查找一次人脸的矢量表示-（20k人x 300张图片）。然后，应用面部识别将在几秒钟内完成。《阅读我的回购协议》的文件对此进行了深刻的解释。对不起，这对神经网络的再训练有效吗？我可以使用除最后3层之外的所有层吗，比如w/tensorflow和keras？这将在背景中构建一个tensorflow/keras模型。你不需要再培训，但是如果你愿意的话，你仍然可以再培训。谢谢你的回复，这里的内容是我有2万个不同的人，其中大约有300张照片，我试图在ip cam流中对他们进行分类，我不知道是否制作deepface.verify将是wright Approach，你认为呢？大规模的人脸识别是用deepface中的查找功能来处理的。它会在数据库中查找一次人脸的矢量表示-（20k人x 300张图片）。然后，应用面部识别将在几秒钟内完成。请阅读回购协议的文档，并对其进行深入解释。