Python 如何正确保存模型以继续培训keras中的VAE

我使用函数API在keras中构建了VAE。VAE有3种型号：

编码器

译码器

我使用ModelCheckpoint回调在每个历元之后保存整个模型

checkpoint_model = ModelCheckpoint(os.path.join(save_path, "model.h5"), verbose=1)

但是当我用load_模型加载模型时

def load_trained_model(self, load_path, r_loss_factor):
        self.model = load_model(os.path.join(load_path, "model.h5"), custom_objects={"loss": self.penalized_loss(r_loss_factor),"sample_latent_space":self.sample_latent_space})

再次调用fit_generator继续培训，我发现以下错误：

InvalidArgumentError: 2 root error(s) found.
  (0) Invalid argument: You must feed a value for placeholder tensor 'images' with dtype float and shape [?,128,128,3]
     [[{{node images}}]]
     [[metrics_1/loss_1/Identity/_1971]]
  (1) Invalid argument: You must feed a value for placeholder tensor 'images' with dtype float and shape [?,128,128,3]
     [[{{node images}}]]

---

可以找到代码

您使用的是哪个版本的tensorflow？我使用的是1.15.2Hi，您链接的代码非常长，需要花费大量时间来详细查看。如果你能在你的问题文本中加入一个小的、可复制的例子，这将非常有帮助。当然，你链接的笔记本中没有问题，它不会产生与你在本帖中提到的相同的错误，是吗？你使用的是tensorflow的哪个版本？我使用的是1.15.2Hi，您链接的代码非常长，需要花费大量时间来详细查看。如果你能在你的问题文本中加入一个小的、可复制的例子，这将非常有帮助。当然，你链接的笔记本中没有问题，它不会产生与你在本帖中提到的相同的错误，是吗？

checkpoint_model = ModelCheckpoint(os.path.join(save_path, "model.h5"), verbose=1)

def load_trained_model(self, load_path, r_loss_factor):
        self.model = load_model(os.path.join(load_path, "model.h5"), custom_objects={"loss": self.penalized_loss(r_loss_factor),"sample_latent_space":self.sample_latent_space})

InvalidArgumentError: 2 root error(s) found.
  (0) Invalid argument: You must feed a value for placeholder tensor 'images' with dtype float and shape [?,128,128,3]
     [[{{node images}}]]
     [[metrics_1/loss_1/Identity/_1971]]
  (1) Invalid argument: You must feed a value for placeholder tensor 'images' with dtype float and shape [?,128,128,3]
     [[{{node images}}]]