Python 凯拉斯>；加载保存的模型后始终保持相同的预测值

我正在通过

keras

和

tensorflow

后端培训一些模型

当我在同一个对象上进行训练后立即调用predict时，它工作良好，并为不同的输入提供不同的值。但是当我将模型保存到文件中，然后从另一个

python

会话加载它时，

predict

总是为不同的输入返回相同的值

我使用

ModelCheckpoint

保存模型，然后使用

load\u model

加载模型。我还尝试使用

to_json

和

model_from_json

函数将架构分别保存和加载到json文件中。示例代码：

保存部分

with open("model.json", "w") as textFile:
   print(model.to_json(), file = textFile)

model.fit(X_train, y_train, epochs=iterationCount, batch_size=64, validation_split=0.2, callbacks = [ModelCheckpoint(filepath='model.h5', verbose=0, save_best_only=True)])

加载部件

with open('model.json') as json_file:
    model = model_from_json(json_file.read())

model.load_weights('model.h5')

有什么办法解决这个问题吗？有什么我遗漏的吗？

不幸的是，许多人（像我一样）一直在抱怨影响

保存权重

和

加载权重

功能的问题

我最终避免使用这些函数。如果我想加载/存储我的模型，我只需执行以下操作：

from keras.models import load_model

trained_model.save(file_path)
loaded_model = load_model(file_path)

from keras.models import load_model
trained_model.save(file_path)
loaded_model = load_model(file_path)

trained_model.save_weights(file_path)
# We have to define model first before loading weights
trained_model.load_weights(file_path)

---

save

功能可以保存您的权重，还可以保存您的网络结构和优化器的状态（它确保您可以将培训模型保持在暂停的位置）。

keras模型保存/加载有两种方法（我觉得使用这两种方法比较方便）。保存模型结构和权重

model.save（文件路径）

并仅保存模型权重

model.save_权重（文件路径）

。 因此，我保存/加载模型如下：

from keras.models import load_model

trained_model.save(file_path)
loaded_model = load_model(file_path)

from keras.models import load_model
trained_model.save(file_path)
loaded_model = load_model(file_path)

trained_model.save_weights(file_path)
# We have to define model first before loading weights
trained_model.load_weights(file_path)

---

在这里，

load\u weights（file\u path，by\u name=True）

允许您将权重加载到不同的结构中，其中有一些层名称是相同的。

我也遇到了同样的问题，我通过将固定种子设置为tensorflow、numpy和python来解决

import tensorflow as tf
import numpy as np
import random as python_random
tf.random.set_random_seed(42)
np.random.seed(42)
python_random.seed(42)

---

小心！不同版本的tensorflow可能需要不同的方法来设定种子

您能否禁用

save\u best\u only

选项并检查是否有任何更改。数据预处理如何？是一样的吗？如果数据没有进行缩放，那么对于所有示例，通常都会得到相同的预测。@MarcinMożejko是的，对于预处理，我使用scikit learn的

StandardScaler（）

。我使用

joblib.dump（）

和

joblib.load（）

函数将定标器保存并加载到一个文件中。对此有任何更新吗？我遇到了同样的问题，我不知道如何解决它。@MarcinMożejko是对的，数据预处理代码中有一个bug。我的数据中有非常大的数字，由于这个错误，它们没有被清除/缩放，这导致了问题中描述的行为。我尝试使用您提到的方法，但它再次给出了相同的结果。