Python 有没有一种方法可以从.h5文件中确定模型体系结构？

我有一个.h5文件，其中只包含使用Mask RCNN和Keras框架进行对象检测训练的模型的权重。我想用Python中的Tensorflow+Keras加载这个模型，并在自定义图像上运行对象检测

我正在使用Python 3.8.5，我尝试使用

keras.models.load_model（）

函数加载此模型，但尝试加载时收到错误：

ValueError:在配置文件中找不到模型

我理解这意味着.h5文件只保存了模型权重，为了使用这些权重，我必须将它们加载到具有相同体系结构的模型中

为了理解体系结构，我使用了h5py python模块来查看.h5文件中的组，但我只看到了下面这样的键：（有很多很多类似的键，但这些是我看到的键的概述）

“激活1”、“添加32”、“bn2a\U分支1”、“res5c\U out”等

这些组有时具有数据集成员，当访问这些成员时，会提供类似于以下内容的信息：

<HDF5 group "/bn4v_branch2a/bn4v_branch2a" (4 members)\>  
<HDF5 dataset "beta:0": shape (256,), type "<f4"\>  
<HDF5 dataset "gamma:0": shape (256,), type "<f4"\>  
<HDF5 dataset "moving_mean:0": shape (256,), type "<f4"\>  
<HDF5 dataset "moving_variance:0": shape (256,), type "<f4"\>

我可以假设一些东西，比如“activation_1”可能对应于激活层，但其余的层似乎与我在构建模型时经常看到/使用的致密层、泄漏层、BatchNormalization层等不相关

我需要在这里做什么？如何从仅具有模型权重的.h5文件确定Keras+Mask RCNN模型的体系结构

---

谢谢，非常感谢您的帮助

尝试将模型加载到另一个变量中，然后调用model.summary（）函数

这将显示模型的层，如下所示：

---

您可能能够从所获得的输出中收集一些信息。例如

<HDF5 group "/bn4v_branch2a/bn4v_branch2a" (4 members)\>  
<HDF5 dataset "beta:0": shape (256,), type "<f4"\>  
<HDF5 dataset "gamma:0": shape (256,), type "<f4"\>  
<HDF5 dataset "moving_mean:0": shape (256,), type "<f4"\>  
<HDF5 dataset "moving_variance:0": shape (256,), type "<f4"\>

是一个批量归一化层。我通过编写手动转换代码将pytorch转换为tensorflow就知道了这一点

---

也许您可以构建自己的测试网络，提取权重并读取结构，查看结构与您知道的层的外观，然后与未知模型结构进行比较？

您可以在根组属性的“model\u config”中找到它。只需检查：

f = h5py.File(your_model_name, 'r')
f.attrs.get('model_config')

---

在那里，您可以找到所有具有名称、形状、激活功能等的图层类。

我认为在一般情况下，这是不可能的，最好的办法是找到用于生成权重的体系结构，代码应该在某个地方

h5

是一种通用数据格式

h5py

将其数据集加载为

numpy

数组。这些数组和

Keras

模型之间的任何关系都是由

Keras

强加的（或者每个保存文件的人）。我想它可以保存足够的信息来重新创建模型，但我无法从数据集名称中分辨出来。（一个组/数据集也可以有属性）。正如作者所解释的，load_模型不起作用，因为原始h5文件只保存了权重

f = h5py.File(your_model_name, 'r')
f.attrs.get('model_config')