Это вариационная сеть автокодирования, я должен определить метод выборки для создания скрытого z, я думаю, что это может быть что-то неправильно с этим. Этот файл py делает тренировку, другой файл py делает прогноз в Интернете, поэтому мне нужно сохранить модель keras, нет ничего плохого в сохранении модели, но когда я загружаю модель из файла «h5», она показывает ошибку:Keras save model issue
NameError: name 'latent_dim' is not defined
Ниже код:
df_test = df[df['label']==cluster_num].iloc[:,:data_num.shape[1]]
data_scale_ = preprocessing.StandardScaler().fit(df_test.values)
data_num_ = data_scale.transform(df_test.values)
models_deep_learning_scaler.append(data_scale_)
batch_size = data_num_.shape[0]//10
original_dim = data_num_.shape[1]
latent_dim = data_num_.shape[1]*2
intermediate_dim = data_num_.shape[1]*10
nb_epoch = 1
epsilon_std = 0.001
x = Input(shape=(original_dim,))
init_drop = Dropout(0.2, input_shape=(original_dim,))(x)
h = Dense(intermediate_dim, activation='relu')(init_drop)
z_mean = Dense(latent_dim)(h)
z_log_var = Dense(latent_dim)(h)
def sampling(args):
z_mean, z_log_var = args
epsilon = K.random_normal(shape=(latent_dim,), mean=0.,
std=epsilon_std)
return z_mean + K.exp(z_log_var/2) * epsilon
# note that "output_shape" isn't necessary with the TensorFlow backend
z = Lambda(sampling, output_shape=(latent_dim,))([z_mean, z_log_var])
# we instantiate these layers separately so as to reuse them later
decoder_h = Dense(intermediate_dim, activation='relu')
decoder_mean = Dense(original_dim, activation='linear')
h_decoded = decoder_h(z)
x_decoded_mean = decoder_mean(h_decoded)
def vae_loss(x, x_decoded_mean):
xent_loss = original_dim * objectives.mae(x, x_decoded_mean)
kl_loss = - 0.5 * K.sum(1 + z_log_var - K.square(z_mean) - K.exp(z_log_var), axis=-1)
return xent_loss + kl_loss
vae = Model(x, x_decoded_mean)
vae.compile(optimizer=Adam(lr=0.01), loss=vae_loss)
train_ratio = 0.95
train_num = int(data_num_.shape[0]*train_ratio)
x_train = data_num_[:train_num,:]
x_test = data_num_[train_num:,:]
vae.fit(x_train, x_train,
shuffle=True,
nb_epoch=nb_epoch,
batch_size=batch_size,
validation_data=(x_test, x_test))
vae.save('./models/deep_learning_'+str(cluster_num)+'.h5')
del vae
from keras.models import load_model
vae = load_model('./models/deep_learning_'+str(cluster_num)+'.h5')
это показывает сообщение об ошибке: NameError: name 'latent_dim' is not defined
Он работает в том же р файла, но он не работает, если я создаю новый р файл при загрузке h5 файла с диска, ошибка: NameError: Название ' latent_dim 'не определен – zb1872
Да, 'custom_objects' - это просто словарь .. в новом файле эти переменные/функции не существуют. Поэтому вам нужно определить их или рассолить их. Кроме того, поскольку в вариационной потере вам нужно использовать 'z_mean' и' z_log_var', вам может понадобиться снова создать часть архитектуры, поскольку рассол не будет работать. – indraforyou