我正在尝试使用 keras 模型进行迁移学习，但一直坚持向模型添加新层。我试过下面的代码：
prev_model = load_model('final_model.h5') # loading the previously saved model.
new_model = Sequential()
new_model.add(prev_model)
new_model.add(Dense(256,activation='relu'))
new_model.add(Dropout(0.5))
new_model.add(Dense(1,activation='sigmoid'))
但得到：
TypeError: The added layer must be an instance of class Layer. Found: <tensorflow.python.keras.layers.core.Flatten object at 0x00000000B74364A8>
每当我使用.add()添加图层时都会发生这种情况。
然后我发现
number_of_layers_to_freeze = 10
vgg_model = VGG16(include_top=False)
for i in range(number_of_layers_to_freeze):
vgg_model.layers[i].trainable = False
vgg_output = vgg_model.outputs[0]
output = keras.layers.Dense(10, activation="softmax")(vgg_output)
model = keras.models.Model(inputs=vgg_model.inputs, outputs=output)
在其他职位。但它导致
AttributeError: 'tuple' object has no attribute 'layer'
我目前正在使用
keras 2.2.5
tensorflow-gpu 1.14.0
是不是版本冲突导致的？
完整回溯 :(AttributeError: …
我正在用我自己的数据集的keras-gan / wgan-gp示例研究gan 。我保存模型
wgan.generator.save('generator.h5')
wgan.critic.save('critic.h5')
并加载
model = load_model('generator.h5')
model = load_model('critic.h5')
但这只在第一时间有效。当我在第二次训练后再次保存模型并运行时
model = load_model('generator.h5')
model = load_model('critic.h5')
再次，错误发生？
（）中的ValueError追溯（最近一次调用是最近一次）----> 1模型= load_model（'generator.h5'）
D：load_model（文件路径，custom_objects，编译）中的D：\ keras \ engine \ saving.py 262263＃设置权重-> 264 load_weights_from_hdf5_group（f ['model_weights']，model.layers）265266如果编译为：
D：load_weights_from_hdf5_group中的D：\ keras \ engine \ saving.py（f，层，重塑）914 original_keras_version，915 original_backend，-> 916 reshape = reshape）917 if len（weight_values）！= len（symbolic_weights）：918提高ValueError（ '图层＃'+ str（k）+
D：\ keras \ engine \ saving.py在preprocess_weights_for_loading中（图层，权重，original_keras_version，original_backend，重塑）555权重= convert_nested_time_distributed（weights）556 elif层。上课。名称在[ '模型'， '顺序']： - >权重557 = convert_nested_model（权重）558 559如果original_keras_version == '1'：
在convert_nested_model中的D：\ keras \ engine \ saving.py（权重）543 …