Python Keras AttributeError:&x27；非类型'；对象没有属性'；结束于'；in-load_模型

我正在处理一个课程作业，我必须在keras中保存和加载模型。我创建模型、训练模型和保存模型的代码是

def get_new_model（输入_形状）：
"""
此功能应根据上述规范构建一个顺序模型。确保
通过在第一层中提供输入_shape参数初始化权重，该参数由
函数参数。
您的函数还应该使用Adam Optimizer稀疏分类交叉编译模型
熵损失函数和单一精度度量。
"""
模型=顺序([
Conv2D（16，内核大小=（3,3），激活='relu'，填充='Same'，名称='conv_1'，输入形状=输入形状），
Conv2D（8，内核大小=（3,3），activation='relu'，padding='Same'，name='conv_2'），
MaxPooling2D（pool_size=（8,8），name='pool_1'），
tf.keras.layers.flatte（name='flatte'），
密集型（32，激活class='relu'，名称class='Dense_1'），
密集型（10，激活class='softmax'，名称class='Dense_2'）
])
compile（优化器='adam'，loss='sparse\u categorical\u crossentropy'，metrics=['acc']）
回归模型
模型=获取新模型（x列车[0]。形状）
def get_checkpoint_every_epoch（）：
"""
此函数应返回一个ModelCheckpoint对象，该对象：
-仅在每个历元结束时保存权重
-保存到当前工作目录中名为“checkpoints\u every\u epoch”的目录中
-在该目录中生成文件名，如“checkpoint_XXX”，其中
XXX是格式化为三位数字的历元编号，例如001、002、003等。
"""
路径='checkpoints\u every_epoch/checkpoint{epoch:02d}'
检查点=模型检查点（filepath=路径，save\u weights\u only=True，save\u freq='epoch'）
返回检查点
def get_checkpoint_best_only（）：
"""
此函数应返回一个ModelCheckpoint对象，该对象：
-仅保存生成最高验证（测试）精度的权重
-保存到当前工作目录中名为“checkpoints\u best\u only”的目录中
-生成名为“checkpoints\u best\u only/checkpoint”的文件
"""
路径='checkpoints\u best\u only/checkpoint'
检查点=模型检查点（filepath=path，save\u best\u only=True，save\u weights\u only=True，monitor='val\u acc'）
返回检查点
def get_early_stopping（）：
"""
此函数应返回一个EarlyStopping回调，当
在过去三个时期内，验证（测试）准确性没有提高。
提示：使用带有正确“监视器”和“耐心”的EarlyStopping回调
"""
返回提前停止（监视器='val_acc'，耐心=3）
checkpoint\u every\u epoch=get\u checkpoint\u every\u epoch（）
checkpoint\u best\u only=获取\u checkpoint\u best\u only（）
早停=早停（）
回调=[checkpoint\u every\u epoch，checkpoint\u best\u only，early\u stopping]
model.fit（x_序列，y_序列，epochs=50，validation_数据=（x_测试，y_测试），回调=回调）

在这里，我将每个历元的权重保存在

checkpoints\u every\u epoch/checkpoint\u{epoch:02d}

中，并将最佳权重保存在

checkpoints\u best\u only/checkpoint中。现在，当我想加载这两个时，使用以下代码

def get_model_last_epoch（model）：
"""
此函数应创建您先前创建的CNN的新实例，
加载上一个训练时段的权重，并返回此模型。
"""
filepath=tf.train.latest\u checkpoint（'checkpoint\u every\u epoch'）
模型加载权重（文件路径）
回归模型
def get_model_best_epoch（model）：
"""
此函数应创建您先前创建的CNN的新实例load
在权重上导致最高的验证精度，并返回此模型。
"""
filepath=tf.train.latest\u checkpoint（'checkpoint\u best\u only'）
模型加载权重（文件路径）
回归模型
model_last_epoch=get_model_last_epoch（get_new_model（x_train[0].shape））
model_best_epoch=get_model_best_epoch（get_new_model（x_train[0].shape））
打印（'具有上一历元权重的模型：'）
获取测试精度（模型最后一个历元、x测试、y测试）
打印（“”）
打印（'具有最佳历元权重的模型：'）
获得测试精度（模型最佳历元、x测试、y测试）

我得到一个错误，它是

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-18-b6d169507ca4> in <module>
      3 # Verify that the second has a higher validation (testing) accuarcy.
      4 
----> 5 model_last_epoch = get_model_last_epoch(get_new_model(x_train[0].shape))
      6 model_best_epoch = get_model_best_epoch(get_new_model(x_train[0].shape))
      7 print('Model with last epoch weights:')

<ipython-input-15-6f7ff0c732b4> in get_model_last_epoch(model)
     10     """
     11     filepath = tf.train.latest_checkpoint('checkpoint_every_epoch')
---> 12     model.load_weights(filepath)
     13     return model
     14 

/opt/conda/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/training.py in load_weights(self, filepath, by_name)
    179         raise ValueError('Load weights is not yet supported with TPUStrategy '
    180                          'with steps_per_run greater than 1.')
--> 181     return super(Model, self).load_weights(filepath, by_name)
    182 
    183   @trackable.no_automatic_dependency_tracking

/opt/conda/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/network.py in load_weights(self, filepath, by_name)
   1137             format.
   1138     """
-> 1139     if _is_hdf5_filepath(filepath):
   1140       save_format = 'h5'
   1141     else:

/opt/conda/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/network.py in _is_hdf5_filepath(filepath)
   1447 
   1448 def _is_hdf5_filepath(filepath):
-> 1449   return (filepath.endswith('.h5') or filepath.endswith('.keras') or
   1450           filepath.endswith('.hdf5'))
   1451 

AttributeError: 'NoneType' object has no attribute 'endswith'

我明白了。文件路径名中有错误。我花了很多时间才弄明白。所以正确的函数是

def get_model_last_epoch（model）：
"""
此函数应创建您先前创建的CNN的新实例，
加载上一个训练时段的权重，并返回此模型。
"""
模型.装载重量（tf.列车.最新检查点（“每个检查点”）
回归模型
def get_model_best_epoch（model）：
"""
此函数应创建您先前创建的CNN的新实例load
在权重上导致最高的验证精度，并返回此模型。
"""
#filepath=tf.train.latest\u checkpoint（'checkpoints\u best\u only'）
型号、装载重量（tf、列车、最新检查点（“仅检查点、最佳检查点”））
回归模型

而且它不会给出错误，因为
tf.train.latest\u checkpoint
中的文件名是正确的
您是否尝试检查
get\u new\u model（x\u train[0].shape）
等于什么？这是你期望的吗？事实上，先检查一下你从
tf.train.latest\u checkpoint（'checkpoint\u every\u epoch'）
得到的结果。我从
get\u new\u model（x\u train[0].shape]得到了我期望的结果。
这是用于保存的同一个模型。
tf.train.latest\u checkpoint（“checkpoints\u every\u epoch”
返回文件名，即
checkpoints\u every\u epoch/checkpoint\u 23