Python &引用；ValueError:未知层：功能性“；

我已经在谷歌可教机器上训练了我的模型，并下载了训练过的模型，我正在使用该模型对图像进行分类。我正在经历这个错误，不知道它想说什么或如何解决它。我的环境包详细信息如下： Tensorflow:2.1.0 Keras:2.3.1 枕头：7.0.0 h5py:2.10.0 下面是我试图运行的代码。

import tensorflow.keras
from PIL import Image, ImageOps
import numpy as np

# Disable scientific notation for clarity
np.set_printoptions(suppress=True)

# Load the model
model = tensorflow.keras.models.load_model('keras_model.h5')

# Create the array of the right shape to feed into the keras model
# The 'length' or number of images you can put into the array is
# determined by the first position in the shape tuple, in this case 1.
data = np.ndarray(shape=(1, 32, 32, 3), dtype=np.float32)

# Replace this with the path to your image
image = Image.open(r'C:\Users\DELL\Desktop\Dataset\TEST\2_Final\Alaa\image_14022021_065404.jpg')

#resize the image to a 224x224 with the same strategy as in TM2:
#resizing the image to be at least 224x224 and then cropping from the center
size = (32, 32)
image = ImageOps.fit(image, size, Image.ANTIALIAS)

#turn the image into a numpy array
image_array = np.asarray(image)

# display the resized image
image.show()

# Normalize the image
normalized_image_array = (image_array.astype(np.float32) / 127.0) - 1

# Load the image into the array
data[0] = normalized_image_array

# run the inference
prediction = model.predict(data)
print(prediction)

这是完整的回溯

ValueError                                Traceback (most recent call last)
<ipython-input-3-ac2b19895981> in <module>
      9 
     10 # Load the model
---> 11 model = tensorflow.keras.models.load_model('keras_model.h5')
     12 
     13 # Create the array of the right shape to feed into the keras model

~\Anaconda3\envs\teach11\lib\site-packages\tensorflow_core\python\keras\saving\save.py in load_model(filepath, custom_objects, compile)
    144   if (h5py is not None and (
    145       isinstance(filepath, h5py.File) or h5py.is_hdf5(filepath))):
--> 146     return hdf5_format.load_model_from_hdf5(filepath, custom_objects, compile)
    147 
    148   if isinstance(filepath, six.string_types):

~\Anaconda3\envs\teach11\lib\site-packages\tensorflow_core\python\keras\saving\hdf5_format.py in load_model_from_hdf5(filepath, custom_objects, compile)
    166     model_config = json.loads(model_config.decode('utf-8'))
    167     model = model_config_lib.model_from_config(model_config,
--> 168                                                custom_objects=custom_objects)
    169 
    170     # set weights

~\Anaconda3\envs\teach11\lib\site-packages\tensorflow_core\python\keras\saving\model_config.py in model_from_config(config, custom_objects)
     53                     '`Sequential.from_config(config)`?')
     54   from tensorflow.python.keras.layers import deserialize  # pylint: disable=g-import-not-at-top
---> 55   return deserialize(config, custom_objects=custom_objects)
     56 
     57 

~\Anaconda3\envs\teach11\lib\site-packages\tensorflow_core\python\keras\layers\serialization.py in deserialize(config, custom_objects)
    104       module_objects=globs,
    105       custom_objects=custom_objects,
--> 106       printable_module_name='layer')

~\Anaconda3\envs\teach11\lib\site-packages\tensorflow_core\python\keras\utils\generic_utils.py in deserialize_keras_object(identifier, module_objects, custom_objects, printable_module_name)
    301             custom_objects=dict(
    302                 list(_GLOBAL_CUSTOM_OBJECTS.items()) +
--> 303                 list(custom_objects.items())))
    304       with CustomObjectScope(custom_objects):
    305         return cls.from_config(cls_config)

~\Anaconda3\envs\teach11\lib\site-packages\tensorflow_core\python\keras\engine\sequential.py in from_config(cls, config, custom_objects)
    375     for layer_config in layer_configs:
    376       layer = layer_module.deserialize(layer_config,
--> 377                                        custom_objects=custom_objects)
    378       model.add(layer)
    379     if not model.inputs and build_input_shape:

~\Anaconda3\envs\teach11\lib\site-packages\tensorflow_core\python\keras\layers\serialization.py in deserialize(config, custom_objects)
    104       module_objects=globs,
    105       custom_objects=custom_objects,
--> 106       printable_module_name='layer')

~\Anaconda3\envs\teach11\lib\site-packages\tensorflow_core\python\keras\utils\generic_utils.py in deserialize_keras_object(identifier, module_objects, custom_objects, printable_module_name)
    301             custom_objects=dict(
    302                 list(_GLOBAL_CUSTOM_OBJECTS.items()) +
--> 303                 list(custom_objects.items())))
    304       with CustomObjectScope(custom_objects):
    305         return cls.from_config(cls_config)

~\Anaconda3\envs\teach11\lib\site-packages\tensorflow_core\python\keras\engine\sequential.py in from_config(cls, config, custom_objects)
    375     for layer_config in layer_configs:
    376       layer = layer_module.deserialize(layer_config,
--> 377                                        custom_objects=custom_objects)
    378       model.add(layer)
    379     if not model.inputs and build_input_shape:

~\Anaconda3\envs\teach11\lib\site-packages\tensorflow_core\python\keras\layers\serialization.py in deserialize(config, custom_objects)
    104       module_objects=globs,
    105       custom_objects=custom_objects,
--> 106       printable_module_name='layer')

~\Anaconda3\envs\teach11\lib\site-packages\tensorflow_core\python\keras\utils\generic_utils.py in deserialize_keras_object(identifier, module_objects, custom_objects, printable_module_name)
    290     config = identifier
    291     (cls, cls_config) = class_and_config_for_serialized_keras_object(
--> 292         config, module_objects, custom_objects, printable_module_name)
    293 
    294     if hasattr(cls, 'from_config'):

~\Anaconda3\envs\teach11\lib\site-packages\tensorflow_core\python\keras\utils\generic_utils.py in class_and_config_for_serialized_keras_object(config, module_objects, custom_objects, printable_module_name)
    248     cls = module_objects.get(class_name)
    249     if cls is None:
--> 250       raise ValueError('Unknown ' + printable_module_name + ': ' + class_name)
    251 
    252   cls_config = config['config']

ValueError: Unknown layer: Functional

ValueError回溯（最近一次调用）
在里面
9
10#加载模型
--->11模型=tensorflow.keras.models.load_模型（'keras_模型.h5'））
12
13#创建正确形状的数组以输入keras模型
加载\模型中的~\Anaconda3\envs\teach11\lib\site packages\tensorflow\u core\python\keras\saving\save.py（文件路径、自定义\对象、编译）
144如果（h5py）不是无和(
145 iInstance（文件路径，h5py.File）或h5py.is_hdf5（文件路径））：
-->146返回hdf5格式。从hdf5加载模型（文件路径、自定义对象、编译）
147
148如果isinstance（文件路径，六种字符串类型）：
~\Anaconda3\envs\teach11\lib\site packages\tensorflow\u core\python\keras\saving\hdf5\u format.py从\u hdf5加载\u模型（文件路径、自定义\u对象、编译）
166 model_config=json.load（model_config.decode（'utf-8'））
167 model=model_config_lib.model_from_config（model_config，
-->168个自定义\u对象=自定义\u对象）
169
170#设置重量
~\Anaconda3\envs\teach11\lib\site packages\tensorflow\u core\python\keras\saving\model\u config.py在模型中从配置（配置，自定义对象）
53'`Sequential.from_config（config）`？'）
54从tensorflow.python.keras.layers导入反序列化#pylint:disable=g-import-not-at-top
--->55返回反序列化（配置，自定义对象=自定义对象）
56
57
反序列化中的~\Anaconda3\envs\teach11\lib\site packages\tensorflow\u core\python\keras\layers\serialization.py（配置，自定义对象）
104模块_对象=全局，
105自定义对象=自定义对象，
-->106可打印的（模块名称=图层）
反序列化keras对象中的~\Anaconda3\envs\teach11\lib\site packages\tensorflow\u core\python\keras\utils\generic\u utils.py（标识符、模块对象、自定义对象、可打印模块名称）
301自定义对象=dict(
302列表（\u全局\u自定义\u对象.items（））+
-->303列表（自定义对象.items（））
304带有CustomObjectScope（自定义对象）：
305从配置（配置）返回cls
~\Anaconda3\envs\teach11\lib\site packages\tensorflow\u core\python\keras\engine\sequential.py from\u config（cls、config、自定义\u对象）
375对于层配置中的层配置：
376层=层模块。反序列化（层配置，
-->377自定义对象=自定义对象）
378模型。添加（图层）
379如果不是模型输入和构建输入形状：
反序列化中的~\Anaconda3\envs\teach11\lib\site packages\tensorflow\u core\python\keras\layers\serialization.py（配置，自定义对象）
104模块_对象=全局，
105自定义对象=自定义对象，
-->106可打印的（模块名称=图层）
反序列化keras对象中的~\Anaconda3\envs\teach11\lib\site packages\tensorflow\u core\python\keras\utils\generic\u utils.py（标识符、模块对象、自定义对象、可打印模块名称）
301自定义对象=dict(
302列表（\u全局\u自定义\u对象.items（））+
-->303列表（自定义对象.items（））
304带有CustomObjectScope（自定义对象）：
305从配置（配置）返回cls
~\Anaconda3\envs\teach11\lib\site packages\tensorflow\u core\python\keras\engine\sequential.py from\u config（cls、config、自定义\u对象）
375对于层配置中的层配置：
376层=层模块。反序列化（层配置，
-->377自定义对象=自定义对象）
378模型。添加（图层）
379如果不是模型输入和构建输入形状：
反序列化中的~\Anaconda3\envs\teach11\lib\site packages\tensorflow\u core\python\keras\layers\serialization.py（配置，自定义对象）
104模块_对象=全局，
105自定义对象=自定义对象，
-->106可打印的（模块名称=图层）
反序列化keras对象中的~\Anaconda3\envs\teach11\lib\site packages\tensorflow\u core\python\keras\utils\generic\u utils.py（标识符、模块对象、自定义对象、可打印模块名称）
290配置=标识符
291（cls，cls_config）=类_和_配置_，用于序列化的_keras_对象(
-->292配置、模块对象、自定义对象、可打印模块名称）
293
294如果hasattr（cls，“来自配置”）：
~\Anaconda3\envs\teach11\lib\site packages\tensorflow\u core\python\keras\utils\generic\u utils.py在类和配置中，用于序列化的\u keras\u对象（配置、模块\u对象、自定义\u对象、可打印的\u模块\u名称）
248 cls=模块对象.get（类名称）
249如果cls为无：
-->250 raise VALUERROR（'未知'+可打印模块名称+'：'+类名称）
251
252 cls_config=config['config']
ValueError:未知层：功能性

您正在加载的模型文件似乎不包含模型，而只包含权重。您能否确保h5文件也包含完整的模型定义？

否，如果它只有权重，OP将有不同的错误。您可能需要最新的tensorflow版本（因为您使用tf.keras）来加载此模型。