获取错误：在 Keras 中加载模型时：

Question

我定义了一个典型的siamese网络架构，以获得我使用的编码temp_model（VGG模型，权重预训练有三重损失函数），在下面的代码中，最后我训练模型并作为h5文件保存到我的磁盘上，但是当我加载模型进行预测时，我得到了一个错误（ValueError：无效input_shape参数[（None，224， 224， 3）， （None， 224， 224， 3）， （None， 224， 224， 3）]： 模型有 1 个张量输入。

'''

left_input = Input(shape = (224, 224, 3))

right_input = Input(shape = (224, 224, 3))

# Generate the encodings (feature vectors) for the two images

encoded_l = temp_model([left_input,left_input,left_input])

encoded_r = temp_model([right_input,right_input,right_input])

# Add a customized layer to compute the absolute difference between the encodings 

L1_layer = Lambda(lambda tensors:K.abs(tensors[0] - tensors[1]))

L1_distance = L1_layer([encoded_l, encoded_r])

L1_distance = Dense(512,activation='relu')(L1_distance)

L1_distance = Dropout(0.2)(L1_distance)

L1_distance = Dense(10,activation='relu')(L1_distance)

L1_distance = Dropout(0.2)(L1_distance)

# Add a dense layer with a sigmoid unit to generate the similarity score

prediction = Dense(1,activation='sigmoid')(L1_distance)

# Connect the inputs with the outputs

siamese_net = Model(inputs=[left_input,right_input],outputs=prediction)

siamese_net.compile(loss='binary_crossentropy', optimizer="adam",

      metrics=['accuracy'])

siamese_net.summary()

# return the model

return siamese_net 

“'” ---------------------------------------------------------------------------值错误回溯（最近一次调用最后一次）在 1 #final_model = siamese_model（） ----> 2 final_model = load_model（“triplet_loss_function_vgg16_siamese_h100_128.h5”）

Answer 1

尝试将用于生成编码的代码部分更改为# Generate the encodings (feature vectors) for the two imagesencoded_l = temp_model(left_input)encoded_r = temp_model(right_input)

Answer 2

这是加载嵌套模型时的常见问题，此问题没有单一的答案，但是有一些有用的链接，您可以在其中获得解决此类问题的提示。https://github.com/keras-team/keras/pull/11847在我的情况下，我重新定义了一个架构（与我的训练相同），将可训练参数设置为false，而不是使用load_model我使用load_weights，它对我有用。正如我所说，没有单一的答案，你必须测试并尝试不同的选择。