Keras + Tensorflow模型优化: TypeError: clone_model()获得意外的关键字参数'clone_function‘
Keras是一个高级神经网络API，它可以在多种深度学习框架中运行，其中包括TensorFlow。TensorFlow是一个开源的机器学习框架，广泛应用于深度学习任务。
在使用Keras和TensorFlow进行模型优化时，有时可能会遇到"TypeError: clone_model()获得意外的关键字参数'clone_function'"的错误。这个错误通常是由于使用了不兼容的参数或版本不匹配导致的。
要解决这个问题，可以尝试以下几个步骤：
- 检查Keras和TensorFlow的版本兼容性：确保使用的Keras和TensorFlow版本是兼容的。可以查看Keras和TensorFlow的官方文档或版本说明来了解兼容性信息。
- 检查参数是否正确：检查代码中是否正确使用了clone_model()函数，并且没有错误地传递了额外的参数。确保没有使用不支持的参数。
- 更新Keras和TensorFlow：如果版本兼容性没有问题，可以尝试更新Keras和TensorFlow到最新版本，以确保使用的是最新的功能和修复了可能存在的错误。
- 检查其他依赖项：确保其他依赖项（如NumPy、SciPy等）也是最新版本，并且与Keras和TensorFlow兼容。
如果以上步骤都没有解决问题，可以尝试在Keras和TensorFlow的官方论坛或社区中寻求帮助，向其他开发者咨询类似的问题。
关于Keras和TensorFlow的更多信息，以及腾讯云相关产品和产品介绍链接地址，可以参考腾讯云的官方文档和网站。
相关·内容
1回答
我有一个TensorFlow概率模型，它的构建类似于这个中描述的模型。
我在用
python==3.8.11
tensorflow==2.10.0
tensorflow-概率=0.18.0
下面是构建模型的代码：
def posterior_mean_field(kernel_size: int, bias_size: int, dtype: Any) -> tf.keras.Model:
n = kernel_size + bias_size
c = np.log(np.expm1(1.))
return tf.keras.Sequenti
浏览 25提问于2022-09-23得票数 0
回答已采纳
在我的keras中添加自定义丢失函数@tf.function后，keras模型停止加载(似乎保存模型，但不能重新加载模型)。文件显示这很简单但是..。
各种这样的答案表明，使用一个Keras版本训练的模型不能加载到其他Keras版本中。因此，我卸载了Keras 2.4.3 (从Anaconda env)，以避免任何混淆，并试图仅使用Tensorflow-keras建模和保存/加载。
所以，现在尝试保存一个Tensorflow-keras模型，然后再加载该模型，但是不会重新加载各种错误(如下)。环境是Anaconda3 python3.8 (带有Keras2.4.3，然后卸载它)和Tensorf
浏览 4提问于2020-11-26得票数 2
回答已采纳
我正在尝试使用concurrent.futures实现一些并行作业。每个工作人员都需要一个TensorFlow模型的副本和一些数据。我以以下方式实现了它(MWE)
import tensorflow as tf
from tensorflow import keras
import numpy as np
import concurrent.futures
import time
def simple_model():
model = keras.models.Sequential([
keras.layers.Dense(units = 10, input_sh
浏览 2提问于2021-02-03得票数 1
回答已采纳
我需要复制一个keras模型，而且我不知道有什么方法可以完成，除非模型不是，一个tf.keras.models.Model()子类。
注意：使用copy.deepcopy()时不会出现任何错误，但是当使用副本时会导致另一个错误。
示例：
import tensorflow as tf
class MyModel(tf.keras.Model):
def __init__(self):
super(MyModel, self).__init__()
self.dense1 = tf.keras.layers.Dense(4, activation=tf.nn.relu)
浏览 6提问于2021-02-18得票数 2
回答已采纳
我刚开始使用keras，我尝试为mnist数据集在keras.datasets中构建一个模型。
这是我的初始代码：
import tensorflow as tf
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()
然后，我定义了一个模型：
model = tf.keras.Sequential()
model.add(tf.keras.layers.Flatten(input_shape=(28,28)))
model.add(tf.keras.lay
浏览 0提问于2018-12-02得票数 2
回答已采纳
我有一个GPUs实现，我正在尝试让学习在多个keras_yolo上工作，multi_gpu_mode选项听起来像是一个很好的起点。
然而，我的问题是，相同的代码在单个CPU/GPU设置中运行得很好，但由于NameError而失败:在作为multi_gpu_mode模型运行时，没有定义名称'yolo_head‘。完整的堆栈：
parallel_model = multi_gpu_model(model, cpu_relocation=True) File "/home/ubuntu/anaconda3/envs/tensorflow_p36/lib/python3.6/sit
浏览 9提问于2018-12-19得票数 0
首先，我想在处理之前给出内存信息。
pmem(rss=288796672, vms=4105973760, shared=107503616, text=2039808, lib=0, data=771235840, dirty=0)
我使用Keras构建了一个模型，并将其分配给model变量。然后，我将model对象发送到类构造函数以进行克隆：
from tensorflow.python.keras.models import clone_model
from tensorflow.python.keras import backend as K
class Source:
def
浏览 1提问于2019-06-20得票数 2
导入库和模型，
from __future__ import print_function
import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
import keras.backend as k
batch_size = 128
num_classes = 10
epochs = 12
下面的编
浏览 1提问于2020-09-07得票数 6
回答已采纳
我在上运行了tensorflow联邦教程代码。我得到了这个错误
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-17-d5336a451ad0> in <module>()
2 model_fn,
3 client_optimizer_fn=lamb
浏览 15提问于2020-05-19得票数 0
回答已采纳
系统信息
操作系统平台和发布: Ubuntu 16.04 LTS
从(源或二进制)安装的TensorFlow :二进制更新
TensorFlow版本(使用下面的命令)：1.12.0重新编码
Python版本:3.5.2
CUDA/cuDNN版本: 9.0版，V9.0.176版本
GPU模型和内存: Tesla K80，12 GB
描述当前行为
当我试图使用model.save()保存我的模型时，模型是一个tf.keras.Model实例，它会抛出一个TypeError: ('Not JSON Serializable:', <tf.Variable 'Variab
浏览 0提问于2019-05-17得票数 5
我在keras中做了一个自定义的层，用于在输入到ConvLSTM2D层之前重塑CNN的输出。
class TemporalReshape(Layer):
def __init__(self,batch_size,num_patches):
super(TemporalReshape,self).__init__()
self.batch_size = batch_size
self.num_patches = num_patches
def call(self,inputs):
nshape = (self.ba
浏览 0提问于2020-10-13得票数 4
回答已采纳
我试图从我的本地机器上的Colab加载模型的检查点，但得到一个错误：
TypeError: Unexpected keyword argument passed to optimizer: name
至于优化器调用，它看起来像这样：
# Compile the model
model.compile(loss='categorical_crossentropy',
optimizer=tf.keras.optimizers.Adam(lr=0.001, decay=1e-5),
metrics=['accurac
浏览 66提问于2019-07-09得票数 0
1回答
我正在训练一个Keras模型，它位于带有一些预处理的Scikit管道中。Keras模型定义为
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Dense, Input, Dropout
from tensorflow.keras import optimizers
from tensorflow.keras.callbacks import EarlyStopping
from tensorflow.keras.wrappers.scikit_learn import KerasRegr
浏览 3提问于2020-12-19得票数 5
回答已采纳
我正在使用TensorFlow2.0，我想使用tf.keras创建一个模型，该模型接受特征列输入，然后将其转换为估计器，对其进行训练，最后使用Tensorflow服务为其提供服务。所以我有以下代码： column = tf.feature_column.indicator_column(tf.feature_column.categorical_column_with_vocabulary_file('feature0', vocab_file_name))
def input_fn(filenames, batch_size, num_epochs, shuffle=Tr
浏览 18提问于2019-07-04得票数 0
我一直在浏览tensorflow.keras.save_model()应用程序接口的文档，我遇到了参数include_optimizer，我想知道不包括优化器有什么好处，或者如果优化器不与模型一起保存会出现什么问题？ 为了给我的特定用例提供更多的上下文，我想保存一个模型，然后将生成的.pb文件与Tensorflow一起使用。我是否需要保存优化器状态，而不是保存它会减少结果文件的整体大小？如果我不保存，模型会不会在TF服务中不能正常工作？
浏览 51提问于2021-04-30得票数 1
回答已采纳
1回答
我是深度学习的新手，正在尝试使用Keras在R中构建一个模型。我有20,000个32x32x3图像存储在一个数组中，用于我运行的模型training.When：
model = keras_model_sequential()
model %>% layer_input(shape = c(32,32,3))
我得到以下错误：
Error in py_call_impl(callable, dots$args, dots$keywords) :
TypeError: int() argument must be a string or a number, not 'Sequen
浏览 6提问于2017-06-29得票数 2
回答已采纳
我正在尝试在我的模型中实现。我在GitHub上找到了一段代码，它是的一个实现。我在我的模型中使用了这个类。代码如下：
class Agent:
def __init__(self, state_size, strategy="t-dqn", reset_every=1000, pretrained=False, model_name=None):
self.strategy = strategy
# agent config
self.state_size = state_size
se
浏览 17提问于2020-03-03得票数 0
我正在尝试使用一个KerasClassifier包装，以使我的工作流程科学友好。但是，当我尝试将它与下面的函数一起使用时，它会出现一个错误；使用本机Keras模型fit()来训练模型是有效的。(这是Tensorflow 2.2.0，运行在conda环境中)
def model_arch(n_features: int):
i = tf.keras.layers.Input(shape=(n_features,))
hidden_dense = tf.keras.layers.Dense(64)(i)
hidden_dense = tf.keras.layers.Bat
浏览 5提问于2020-09-27得票数 2
回答已采纳
当我创建具有一个或多个自定义层的Keras模型时，可以使用model.save()方法以TensorFlow SavedModel格式持久化Keras模型。 我可以使用tf.keras.models.load_model()函数从文件系统中加载此模型，然后再次将其保存到文件系统中。 但当我第二次从文件系统加载SavedModel时，它失败了，并出现以下异常： TypeError: f(inputs, training, training, training, training, *, training, training) missing 1 required argument: train
浏览 107提问于2021-10-29得票数 0
警告:tensorflow:没有传递给第一层的input_shape的顺序模型不能重新加载它们的优化器状态。因此，您的模型是从刚初始化的优化器开始的。
在试图加载保存的模型时，我遇到了来自tensorflow的警告
import tensorflow.keras as keras
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train = tf.keras.utils.normalize(x_train, ax
浏览 3提问于2019-05-13得票数 3
回答已采纳
1回答
为了提高训练模型的延迟性，我尝试使用Tensorflow混合精度。
正如中提到的那样，仅仅设置策略似乎并不能提高模型的速度：
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras import mixed_precision
policy = mixed_precision.Policy('mixed_float16')
mixed_precision.set_global_policy(policy)
但是
浏览 3提问于2021-11-14得票数 0
我有一个Tensorflow 2.0 tf.keras.Sequential模型。现在，我的技术规范规定使用Levenberg-Marquardt优化器来适应这个模型。Tensorflow 2.0并不提供它作为一个现成的优化器，但它可以在模块中使用。
tfg.math.optimizer.levenberg_marquardt.minimize函数接受residuals (残差是返回张量的callable )和variables (对应于模型权重的张量列表)作为参数。
将我的模型转换为残差和变量的最佳方法是什么？
如果我正确理解minimize函数的工作原理，我必须提供两个残差。第一个残差必须
浏览 5提问于2019-10-25得票数 6
回答已采纳
我正在尝试使用tfa.optimizers.MultiOptimizer()。我按照docs ()做了所有事情，但是我得到了以下错误：
'gradient_tape/model_80/dense_3/Tensordot/MatMul/MatMul:0‘TypeError：(’非JSON可序列化：‘，<tf.Tensor shape=(1，1) dtype=float32>)
下面是一个复制错误的最小的工作示例，只需复制和粘贴它。当第一个时代结束，回调尝试保存模型时，就会发生错误。
###############################################
浏览 16提问于2021-07-09得票数 1
回答已采纳
我正在尝试构建一个多层的CNN，我使用了与我之前构建的模型相似的逻辑，但是现在当我要运行它时，它会挂断input_shape参数。
我正在使用：
python 3.6.8
tensorflow 1.11.0
keras 2.1.6-tf
我已经注释掉了input_shape参数，然后该模型将构建和编译，但显然这并不是一个可用的模型。我试着让所有的数字都是彼此的倍数，看看问题是否是除法导致了一个非整数数，但没有用。
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D
i
浏览 0提问于2019-07-18得票数 2
回答已采纳
1回答
我正在尝试使用this question和this question as well中详细介绍的RProp优化器来训练模型。 我从this Github repository下载了rprop.py脚本，并将其添加到C:\mini\envs\aiml3\Lib\site-packages\tensorflow_core\python\keras\optimizer_v2上的Keras/tf代码库中。 在我的R脚本(在RStudio中运行)中，我运行以下命令来创建模型： model <- keras_model_sequential() %>%
layer_dense(units
浏览 18提问于2020-07-20得票数 1
我在拟合一个Keras模型时遇到了这个错误，这个模型是用它的函数接口定义的(继承自tf.keras.Model)：
AttributeError: 'Model' object has no attribute '_output_tensor_cache'
我怎么才能修复它呢？下面是重现它的最小代码片段，然后是错误的完整堆栈跟踪。这个错误发生在调用Model.fit()时，甚至在它进入Model.__call__()的实现之前。
我使用的是tensorflow-gpu (1.7.0)。
import tensorflow as tf
import numpy a
浏览 7提问于2018-04-17得票数 5
我正在尝试用带有Keras层的Tensorflow 2.1.0构建一个简单的模型。
但是，运行以下代码：
from tensorflow import keras
from tensorflow.keras import layers
def main():
max_input_length = 20
vocab_size = 10
model = keras.Sequential()
model.add(layers.Embedding(vocab_size, 16, input_length=max_input_length))
# ..
if
浏览 1提问于2020-03-04得票数 2
使用tf 1.14.0，我正在尝试创建一个带有特征列的keras模型作为估计器模型。但是它不起作用，我怎么解决它呢？我的代码是：
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.layers import Input, Dense, Lambda
from tensorflow.keras.models import Model
from tensorflow.keras.layers import dot
from tensorflow import feature_column
nume
浏览 0提问于2020-10-29得票数 0
1回答
我在Tensorflow中有一个net，我正在尝试在Keras中重新实现它。目前，与Tensorflow模型相比，Keras模型的表现完全不佳。与原始模型相比，损失要高得多，并且下降得更慢。我最好的猜测是我用错了优化器。在Tensorflow代码中，优化器如下所示：
global_step = tf.Variable(0, trainable=False)
learning_rate = tf.train.exponential_decay(0.0001,
global_step,
浏览 17提问于2018-09-04得票数 5
我是机器学习的初学者- TensorFlow，我遇到了一些Tensorflow-Keras的示例模型，但混淆了密集单元在那里的选择。
这里分别是32和512。
model = Sequential()
model.add(Dense(32, input_shape=(16,)))
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(512, activation=tf.nn.relu),
tf.keras.layers.Dr
浏览 0提问于2019-08-07得票数 3
回答已采纳
1回答
对于这个新手问题，我很抱歉，我试图用Keras来训练一个回归模型，但是我在model.fit()中遇到了一个错误。
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import numpy as np
inputs = keras.Input(shape=(6,5), name="digits")
x = layers.Dense(64, activation="relu", name="dense_1")(inpu
浏览 6提问于2021-12-07得票数 1
回答已采纳
我正在尝试在keras中实现一个Seq-2-Seq模型，但是我在解决来自SimpleRNN的错误时遇到了麻烦。 TypeError: ('Keyword argument not understood:', 'initial_state') 下面是一个小示例： from keras.models import Model
from keras.layers import Input, SimpleRNN, Embedding
encoder_input = Input(shape=(16,))
encoder_embedding = Embedding(in
浏览 36提问于2019-05-28得票数 1
回答已采纳
1回答
利用4，4个隐层对虹膜数据集进行训练，在tensorflow和keras中分别建立神经网络，得到了不同的结果。
tensorflow模型的测试准确率为96.6 %，而keras模型的准确率仅为50%左右。在这两种情况下，学习率、优化器、小批数等各种超参数是相同的。
Keras模型
model = Sequential()
model.add(Dense(units = 4, activation = 'relu', input_dim = 4))
model.add(Dropout(0.25))
model.add(Dense(units = 4, activation =
浏览 0提问于2018-06-20得票数 2
1回答
Tensorflow可以在没有安装任何CPU的情况下在GPU上工作。
在Ubuntu系统上训练以下keras模型时，下面的安装是否提高了Tensorflow的性能？
1). No Nvidia GPU installed.
2). Install the Nvidia CUDNN library on Ubuntu system.
3). Intel CPU with MKLDNN enabled.
对于这个keras模型：
def create_classical_model():
# A simple model based off LeNet from https://kera
浏览 9提问于2022-08-27得票数 0
回答已采纳
我正在尝试建立一个基于评论的电影评分预测。我使用带有tensorflow的Keras作为后端。我使用Anaconda下载了Tensorflow和keras。代码中的x和y是numpy数组。我正在尝试运行以下代码，
import tensorflow as tf
import keras
from keras.models import Sequential
from keras.callbacks import History
from keras.layers import Input, Dense, Dropout
from keras.layers import BatchNormali
浏览 1提问于2018-11-04得票数 1
当我试图在keras功能模型的定义中使用tf.map_fn时，我得到了错误：
TypeError: Could not build a TypeSpec for <KerasTensor: ...
例如，这个简单的模型将触发tf-nightly 2.5.0中的错误：
import tensorflow as tf
from tensorflow.keras.layers import Input
from tensorflow.keras.models import Model
x = Input(shape=(10,))
y = tf.map_fn(lambda x : x *
浏览 1提问于2021-01-20得票数 3
我使用序列模型创建了一个tf.keras，如下所示：
model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(8, input_dim=4))
model.add(tf.keras.layers.Dense(3, activation=tf.nn.softmax))
opt = tf.train.AdamOptimizer(learning_rate=0.001)
model.compile(optimizer=opt, loss="categorical_crossentropy", metrics=[&#
浏览 4提问于2018-07-09得票数 5
回答已采纳
所以现在有一个很大的更新，从TensorFlow 1.X转移到2.X。
在TF-1.X中，我习惯了一条管道，它帮助我把我的角膜模型推向生产。管道：keras (h5) model --> freeze & convert to pb --> optimize pb --这个工作流帮助我加快了推理的速度，我的最后一个模型可以存储一个(pb)文件，而不是一个文件夹(参见SavedModel格式)。
如何在TensorFlow 2.0.0?中优化我的推理模型
我的第一印象是，我需要将我的tf.keras模型转换为tflite，但是由于我的GPU使用float32操作，这种转换将使
浏览 15提问于2019-11-08得票数 9
我正在使用Tensorflow的Anaconda发行版和MKL支持。
from tensorflow.python.framework import test_util
test_util.IsMklEnabled()
此代码打印True。然而，当我编译我的Keras模型时，我仍然得到
您的CPU支持这样的指令，即这个TensorFlow二进制文件没有编译以使用: AVX AVX2。
这不是我所期望的行为。
浏览 3提问于2018-12-30得票数 5
回答已采纳
我想在我的模型中改编gumbel-softmax。我发现了作者的tensorflow实现。我把它带到我的源代码中，并在lambda层中使用它来替代现有的softmax加速层。它工作了，但是当这个模型克隆其他模型时出现了问题，它得到了错误。有什么解决方案或经验来解决这个问题吗？
感谢您的阅读。
Traceback (most recent call last):
File "D:/dev/workspace/starcraftrlchallenge/python/saida_agent_example/zealotVsZealot/zealot_vs_zealot_v0_Propos
浏览 4提问于2019-05-14得票数 0
为了让我的问题更具体，根据评论，哪些模型参数在不同的时期都在变化？起始权重？
我在这里回顾这个Tensorflow教程：
随着模型的训练，我看到有5个时期，每个时期都有不同的精度。但我不确定每个时代都在改变什么，也不确定最终的模型是如何根据这些时代确定的。以下是模型创建和训练的代码片段。
model = tf.keras.models.Sequential([tf.keras.layers.Flatten(),
tf.keras.layers.Dense(128, activation=tf.nn.relu),
浏览 0提问于2020-01-08得票数 0
我尝试在opencv中实现一个tensorflow模型。这就是我所犯的错误：
OpenCV:无法创建层“平面1/形状”类型的“形状”
我用卡拉斯做我的模型
model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape = (32,32,1), activation = 'relu'))
model.add(Conv2D(32, (3, 3), activation = 'relu'))
model.add(MaxPooling2D(pool_size = (2, 2)))
model.ad
浏览 2提问于2019-01-09得票数 1
回答已采纳
我试图添加层的顺序模型，以训练它与fashion_mnist数据。但是，我多次收到此错误。
#import statements
将tensorflow作为tf导入
从tensorflow进口角
导入matplotlib.pyplot作为可编程逻辑器件
从tensorflow.keras导入模型
#Creating a sequential model
model=models.Sequential([tf.keras.layers.Flatten(),tf.keras.layers.Dense(128,activation=tf.nn.relu),tf.keras.layers.Dense
浏览 3提问于2019-05-11得票数 3
我试图在Keras和Tensorflow中编写一个暹罗网络，使用这个木星笔记本作为参考：
当我创建模型时：
model = get_siamese_model((105, 105, 1))
我发现了一个错误：
Traceback (most recent call last):
File "main.py", line 164, in <module>
model = get_siamese_model((105, 105, 1))
File "main.py", line 129, in get_siamese_model
浏览 4提问于2020-07-01得票数 1
回答已采纳
我使用使用MobileNet 2的训练了一个SSD v2网络，然后将经过训练的模型转换为SavedModel。现在，我需要将SavedModel转换为FrozenGraph，以便使模型与外部库(如OpenCV )兼容。我使用进行转换，甚至无法加载Keras模型。
from keras.models import load_model
model = load_model("training/model/saved_model")
调用load_model()会产生一个异常：
Exception has occurred: TypeError
'module' o
浏览 1提问于2020-12-02得票数 2
回答已采纳
3回答
我正在用一个非常需要CNN模型的记忆来完成分类任务。这对我在训练中可以使用的批次大小提出了一个很大的限制。
一种解决方案是在训练过程中累积梯度，这意味着模型的权重在每一批之后都不会更新。相反，几个批次使用相同的权重，而每个批次的梯度则是累积的，比单个权重更新操作的平均值还要多。
我正在使用Tensorflow后端Keras，并且我非常肯定Keras没有现成的函数/方法来实现这一点。
如何处理Keras/tensorflow模型？
浏览 1提问于2019-03-20得票数 19
回答已采纳
当我试图使用AdaGradDual优化器时，我输入的批处理大小出现了错误。我输入的批号是300个，因为我有60000个样本要训练。
我的代码：
import tensorflow as tf
from tensorflow import keras
import matplotlib.pyplot as plt
import numpy as np
import time
start_time = time.time()
data = tf.keras.datasets.fashion_mnist
(train_images, train_labels), (test_images,
浏览 3提问于2019-11-30得票数 1
回答已采纳
1回答
我试图攻击一个位于文件(model.h5)中的keras神经网络模型，并且在万事达的文档中，TensorFlowModel支持keras模型。然而，当我将它应用于我的keras模型时，我会得到一个错误。我想知道这是否是由于我使用的愚人节版本？
码
import foolbox
import numpy as np
import tensorflow as tf
from foolbox.attacks import FGSM
from foolbox.criteria import Misclassification
############## Loading the model a
浏览 1提问于2021-03-01得票数 3
我是机器学习的新手。我跟踪这个的微调VGG16模型。
模型很好地加载了以下代码：
vgg_model = tensorflow.keras.applications.vgg16.VGG16()
但是得到了这个错误：
TypeError: The added layer must be an instance of class Layer. Found: <tensorflow.python.keras.engine.input_layer.InputLayer object at 0x000001FA104CBB70>
运行此代码时：
model = Sequential()
fo
浏览 1提问于2019-03-24得票数 26
回答已采纳
1回答
我有一个图像分类，深入学习CNN模型(.h5文件)使用Keras和Tensorflow 2，我想使用在线预测。我想要一个API，它通过HTTP接收单个输入映像，并使用经过训练的模型使用预测的类标签进行响应。是否有Keras或Tensorflow提供的API来进行同样的操作？
浏览 1提问于2020-02-12得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
