我遇到了Keras / Tensorflow反序列化模型的问题 . 基本上,这是在文本上实现卷积神经网络,这需要在早期阶段添加维度 . 错误消息是这样的:
文件“/usr/lib/python3.6/site-packages/tensorflow/python/keras/_impl/keras/backend.py”,第2231行,在expand_dims中NameError:名称'array_ops'未定义
导致此错误消息的代码:
import numpy as np
from docopt import docopt
import tensorflow as tf
from vdcnn import utils
if __name__ == '__main__':
arguments = docopt(__doc__, version='1.0')
model = tf.keras.models.load_model(arguments["--checkpoint"])
print(type(model))
proc = utils.Preprocessor(padding_size=256)
data, labels, test_data, test_labels = proc.process_document(arguments["--data"])
for i in range(len(test_data)):
test_vec = test_data[i]
prediction = model.predict(x=test_vec[np.newaxis])
predlabel = utils.labels_in_order[np.argmax(prediction)]
truthlabel = utils.labels_in_order[np.argmax(test_labels[i])]
print("Truth: {} \t Predicted: {}".format(truthlabel, predlabel)
调用“expand_dims”的代码使用Tensorflow函数周围的Keras Lambda包装器:
...
inputs = tf.keras.Input(shape=(self.sequence_max_length,), dtype='int32', name='inputs')
embedding = tf.keras.layers.Embedding(self.num_quantized_chars, self.embedding_size, input_length=self.sequence_max_length)(inputs)
embedding = tf.keras.layers.Lambda(tf.expand_dims, arguments={'axis' : -1, 'name' : 'embedding_expanded'})(embedding)
conv0 = tf.keras.layers.Conv2D(filters=64, kernel_size=3, strides=[1, self.embedding_size], padding='same', kernel_initializer='he_normal')(embedding)
conv0 = tf.keras.layers.Activation('relu')(conv0)
...
并且,仅仅为了踢,它在tensorflow库中引用的行:
from tensorflow.python.ops import array_ops
[two thousand lines of crap]
def expand_dims(x, axis=-1):
"""Adds a 1-sized dimension at index "axis".
Arguments:
x: A tensor or variable.
axis: Position where to add a new axis.
Returns:
A tensor with expanded dimensions.
"""
return array_ops.expand_dims(x, axis)
我使用的是Python 3.6和Tensorflow 1.5,这个错误发生在OSX 10.11.6和RHEL 7上 . 我尝试过使用tf.keras,tf.keras.backend的各种排列,只是没有tf的keras,以及所有的它基本上调用完全相同的代码,虽然有时它抱怨“gen_array_ops”而不是“array_ops”具有相同的问题 .
有人有什么想法?
1 回答
问题是:https://github.com/keras-team/keras/issues/8123#issuecomment-354857044
最重要的是,它需要重新安装所有机器上的所有内容并直接使用
keras
而不是tf.keras
来获取正确的错误消息,显然是因为Keras如何使用对象序列化以及Python "tracebacks"的工作方式 .