Question

我没有找到这个问题的决定性答案，所以我把它张贴在这里。我创建了一个带有自定义层的 Keras 模型，并在分类任务上对其进行了训练，该模型以大约 65% 的准确率获得了完全令人满意的性能。然而，在保存并重新加载后，性能完全下降到大约 25%，这类似于完全随机的预测。我一直在尝试不同的技巧（修复 numpy 和 tf 后端的种子，使用替代库函数 keras.models.save_model，酸洗），但没有一个能达到令人满意的程度。

我使用的代码如下。我正在使用额外的自定义“GraphConv”层（参见 Kipf & Well，2017）：

data_shape = (np.shape(Xp)[1], 2)
num_classes = 4

in_x = Input(shape=data_shape)
x = GraphConv(filters=25, adjacency_matrix=A[0], input_features=2)(in_x)
x = Activation('relu')(x)
x = MaxPooling1D(pool_size=4, padding='same')(x)
x = GraphConv(filters=16, adjacency_matrix=A[2], input_features=25)(x)
x = Activation('relu')(x)
x = MaxPooling1D(pool_size=4, padding='same')(x)
x = Flatten()(x)
x = Dense(10)(x)
x = Activation('relu')(x)
x = Dense(50)(x)
x = Activation('relu')(x)
out_x = Dense(num_classes, activation='softmax')(x)

model = Model(inputs=in_x, outputs=out_x)
model.compile(loss=keras.losses.categorical_crossentropy, optimizer='adam', metrics=['accuracy'])
model.summary()

h = model.fit(X_train, Y_train, epochs=10, batch_size=250, verbose=1, validation_split=0.2)

在训练并达到约 65% 的准确率后，我用

保存模型

model.save("test_model")

基于保存的模型，我创建了一个新的

test = keras.models.load_model("test_model", custom_objects={'GraphConv': GraphConv})

现在评估和比较我为 vanilla 模型获得的性能：

model.evaluate(X_train, Y_train)

4000/4000 [==============================] - 1s 151us/step
[0.8065748610496521, 0.6245]

对于新的测试模型：

test.evaluate(X_train, Y_train)

4000/4000 [==============================] - 1s 204us/step
[7.069425365447998, 0.25375]

我一直在思考是不是自定义层的一些参数没有正确保存，或者两个模型的权重不一样。但是经过一些测试和比较model.get_weights()和test.get_weights()以及model.layers和test.layers中的参数，我只能确认它们对于两个模型是相同的。

所以在这一点上，我完全不知道如何解决这个问题。

非常感谢我收到的任何建议！

加载自定义保存的 Keras 模型后，预测变得随机？

0 个答案: