Python 为什么我的Keras模型在加载后会进行训练，即使我实际上没有提供任何新的训练数据？

我正在尝试使用tf.keras使用LSTM模型进行训练和预测。我在两个不同的文件中编写了代码，LSTMTraining.py用于训练Keras模型（并将其保存到文件中），Predict.py用于加载Keras模型并使用它进行预测。出于某种原因，当我在Predict.py中加载模型时，它开始训练，即使我没有在该文件中使用model.fit（）命令。为什么会这样

我已将模型保存为多种不同的文件格式。例如，我尝试将模型的架构保存到一个JSON文件中（使用model_to_JSON（）），并分别保存权重，然后分别加载这两个文件，然后组合它们。我还尝试将它们一起保存到一个文件中（使用model.save（）），并将其加载到中

在LSTMTraining.py中创建和训练模型（注意：log_similarity_loss只是我为模型创建的自定义损失函数）：

机器学习 导入tensorflow作为tf 从tensorflow.python.keras导入图层 将numpy作为np导入 #加载/保存数据 进口泡菜 导入操作系统 #洗牌 从sklearn.utils导入shuffle #参数 纪元=5 显示步进=1000 n_输入=5 wordvec_len=5 n_hidden=512 经常性辍学=0 辍学率=0 #加载数据 以open（“矢量化的”Word“By”Word.txt“，”rb”）作为数据： 矢量化的_txt=pickle.load（数据） #将数据准备为培训格式（x:[上一个单词]，y:[下一个单词]） x_列，y_列=[]，[] 对于范围内的n（0，len（矢量化的_-txt）-n_输入-1）： 上一个单词=矢量化的文本[n:n+5] 下一个单词=矢量化的文本[n+6] x_train.append（上一个单词） y_train.append（下一个单词） x_列，y_列=np.数组（x_列），np.数组（y_列） x_列，y_列=随机（x_列，y_列，随机状态=0） def日志相似性损失（y_实际值，y_预测值）： “”“日志相似性损失计算。”“” cos_相似性=tf.keras.loss.cos相似性（轴=0）（y_实际值，y_预测值） 缩放相似性=tf.add（tf.multiply（0.5，cos_相似性），0.5） return-0.5*tf.math.log（缩放相似性） 对数相似性损失( [0.05, 0.01, 0.05, 1.2], [0.05, -0.01, 0.05, -1.2]) 模型=tf.keras.Sequential([ layers.LSTM（n_hidden，input_shape=（n_input，wordvec_len）， 辍学=辍学，经常性辍学=经常性辍学， 返回_序列=真）， layers.LSTM（n_hidden，dropout=dropout， 经常性辍学=经常性辍学）， 密集层（wordvec_len） ]) model.compile（损失=log\u相似性\u损失， 优化器='adam'，度量=['cosine\u接近度'] 模型拟合（x_序列，y_序列，历代=历代，批量大小=12） 保存（“Keras\u model.h5”，包括\u optimizer=True，保存\u format='h5'） #保存模型权重和体系结构 model.save_weights（'model_weights.h5'）） 打开（“model_architecture.json”，“w”）作为json_文件： json_file.write（model.to_json（）） 在Predict.py中加载模型（注意：从“WordModel.py”导入的所有函数都只是我编写的与Keras无关的文本处理函数）：

从WordModel按单词导入单词，从单词导入到向量，从向量导入到单词
进口gensim
导入tensorflow作为tf
从tensorflow.python.keras.models导入load_模型，从_json导入模型
打开（'model_architecture.json'，'r'）作为json_文件：
model_json=json_file.read（）
keras_model=model_from_json（model_json）
keras_模型荷载重量（“模型重量.h5”）

我希望没有输出，只是加载模型。但是，我得到了模型的详细训练输出，如下所示（运行Predict.py时）：

等等

请注意，我在Predict.py文件中没有执行任何训练命令。我已经多次重新运行代码，并确保运行了正确的文件。不过，似乎什么也没起作用

---

谢谢你的帮助

问题可能出在您的VSCode IDE上，它需要额外的配置才能使用Python及其包——当您运行一个脚本时，您可能正在运行所有脚本，因此会出现这种行为。我推荐的一个解决方案是切换到并安装您的软件包。安装完这两个命令后，在PC上搜索“anaconda命令提示符”或“anaconda powershell”，然后在终端中键入：

conda update conda
conda update --all
conda install numpy # optional (sort of)
conda install matplotlib # optional (sort of)
# SEE BELOW
conda install -c conda-forge keras
conda update --all # final 'cleanup' command - ensures package compatibility

如果你打算使用GPU（强烈推荐），你需要先下载CUDA（文章中的CUDA是10而不是9）。然后运行

conda安装tensorflow gpu

，如本文所述

然后，在Spyder:

Tools->Preferences->PYTHONPATH manager

->添加您计划使用的模块/数据的所有文件夹，这样您就不必每次都

%cd

，也不用担心相对路径，可以直接导入。最后，确保Anaconda&Spyder使用正确的方法

---

重新启动Spyder，运行脚本-假设没有bug，一切都会好起来。

问题可能出在您的VSCode IDE上，它需要额外的配置才能与Python及其包一起工作——当您运行一个脚本时，您可能正在运行所有脚本，因此会出现这种行为。我推荐的一个解决方案是切换到并安装您的软件包。安装完这两个命令后，在PC上搜索“anaconda命令提示符”或“anaconda powershell”，然后在终端中键入：

conda update conda
conda update --all
conda install numpy # optional (sort of)
conda install matplotlib # optional (sort of)
# SEE BELOW
conda install -c conda-forge keras
conda update --all # final 'cleanup' command - ensures package compatibility

如果你打算使用GPU（强烈推荐），你需要先下载CUDA（文章中的CUDA是10而不是9）。然后运行

conda安装tensorflow gpu

，如本文所述

然后，在Spyder:

Tools->Preferences->PYTHONPATH manager

->添加您计划使用的模块/数据的所有文件夹，这样您就不必每次都

%cd

，也不用担心相对路径，可以直接导入。最后，确保Anaconda&Spyder使用正确的方法

---

重新启动Spyder，运行脚本-假设没有bug，一切都会好起来。

您确定运行的文件正确吗？是的，我有两个c