首页 文章

将Keras模型导出到TensorFlow时，'Sequential'对象没有属性'_is_graph_network'

提问于
浏览 次
7

我正在尝试将Keras模型导出到TensorFlow .

Keras版本2.1.4 TF版本1.3.0 Numpy版本1.13.3

这是模型：

img_width, img_height = 150, 150
batch_size = 32
samples_per_epoch = 1000
validation_steps = 300
nb_filters1 = 32
nb_filters2 = 64
conv1_size = 3
conv2_size = 2
pool_size = 2
classes_num = 3
lr = 0.0004

model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(img_width, img_height, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())  # this converts our 3D feature maps to 1D feature vectors
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Dense(classes_num, activation='softmax'))

model.compile(loss='categorical_crossentropy',
              optimizer=optimizers.RMSprop(lr=lr),
metrics=['accuracy'])

这是导出代码：

from tensorflow.python import keras
estimator_model = keras.estimator.model_to_estimator(keras_model=model)

这是错误：

INFO：tensorflow：使用提供的Keras模型 . 信息：tensorflow：使用默认配置 . 警告：tensorflow：使用临时文件夹作为模型目录：/home/dsxuser/.tmp/tmpbgYQQa INFO：tensorflow：使用config：{'save_checkpoints_secs'：600，' session_config'：无，'_ keep_checkpoint_max'：5，'_ task_type'： 'worker'，'_ global_id_in_cluster'：0，'_ is_chief'：是的，'_ cluster_spec'：，'_ evaluation_master'：''，'_ save_checkpoints_steps'：无，'_ keep_checkpoint_every_n_hours'：10000，'_ service'：无，'_ num_ps_replicas'： 0，'_ tf_random_seed'：无，'_ master'：''，'_ num_worker_replicas'：1，'_ task_id'：0，'_ log_step_count_steps'：100，'_ model_dir'：'/ home / dsxuser / .tmp / tmpbgYQQa'，' _save_summary_steps'：100}来自tensorflow.python import keras的（）1中的AttributeErrorTraceback（最近一次调用last）----> 2 estimator_model = keras.estimator.model_to_estimator（keras_model = model）/ opt / conda / envs / DSX-Python27 model_to_estimator中的/lib/python2.7/site-packages/tensorflow/python/keras/_impl/keras/estimator.pyc（keras_model，keras_model_path，custom_objects，model_dir，config）476 477 ker as_weights = keras_model.get_weights（） - > 478 if keras_model._is_graph_network：479＃TODO（yifeif）：将checkpoint初始化移至scaffold.init_fn 480 _save_first_checkpoint（keras_model，AttributeError：'Sequential'对象没有属性'_is_graph_network'

有任何想法吗？

python tensorflow keras

2 回答

  • 0

    你需要这个 from tensorflow.python.keras import Sequential 你应该使用在tensorflow中实现的keras api而不是直接使用keras api .

    回复于
  • 2

    我也有同样的问题 . 我正在导入keras如下 from tensorflow import keras from keras.models import Sequential model = Sequential()

    等等它在这一行上失败了： estimator_model = keras.estimator.model_to_estimator(keras_model=kerasModel())

    错误：

    /usr/local/lib/python2.7/dist-packages/tensorflow/python/keras/_impl/keras/estimator.pyc in model_to_estimator(keras_model, keras_model_path, custom_objects, model_dir, config)
    476 
    477   keras_weights = keras_model.get_weights()
--> 478   if keras_model._is_graph_network:
    479     # TODO(yifeif): move checkpoint initialization to scaffold.init_fn
    480     _save_first_checkpoint(keras_model,

AttributeError: 'Sequential' object has no attribute '_is_graph_network'

    我正在使用tensorflow 1.7

    我通过明确指定模型的层来找到解决方案：

    def kerasModel():
    # Define the model
    model = keras.models.Sequential()
    #model = Sequential()
    # input: 100x100 images with 3 channels -> (100, 100, 3) tensors.
    # this applies 32 convolution filters of size 3x3 each.
    model.add(keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(100, 100, 3), name="data2d"))
    model.add(keras.layers.Conv2D(32, (3, 3), activation='relu'))
    model.add(keras.layers.MaxPooling2D(pool_size=(2, 2)))
    model.add(keras.layers.Dropout(0.25))

    model.add(keras.layers.Conv2D(64, (3, 3), activation='relu'))
    model.add(keras.layers.Conv2D(64, (3, 3), activation='relu'))
    model.add(keras.layers.MaxPooling2D(pool_size=(2, 2)))
    model.add(keras.layers.Dropout(0.25))

    model.add(keras.layers.Flatten())
    model.add(keras.layers.Dense(256, activation='relu'))
    model.add(keras.layers.Dropout(0.5))
    model.add(keras.layers.Dense(10, activation='softmax', name='labels'))

    # Compile the model
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

    return model

    即通过加入keras.layers . 在上面的每一行中 . 以前我依赖进口：

    #from keras.models import Sequential 
#from keras.layers import Dense, Dropout, Flatten 
#from keras.layers import Conv2D, MaxPooling2D

    正如你所看到的，我现在已经注释掉了 . 请注意，我也放了keras.models . 在Sequential（）前面也可能是必要的 . 看看这是否适合你 .

    回复于

相关问题