我正在尝试加载预训练的 Keras 模型，以便在谷歌云上继续训练。它在本地工作，只需加载鉴别器和生成器
model = load_model('myPretrainedModel.h5')
但显然这在谷歌云上不起作用，我尝试使用与从谷歌存储桶中读取训练数据相同的方法，使用：
fil = "gs://mygcbucket/myPretrainedModel.h5"
f = BytesIO(file_io.read_file_to_string(fil, binary_mode=True))
return np.load(f)
但是，这似乎不适用于加载模型，运行作业时出现以下错误。
ValueError：allow_pickle=False 时无法加载包含腌制数据的文件
添加allow_pickle=True，引发另一个错误：
OSError：无法将文件 <_io.BytesIO object at 0x7fdf2bb42620> 解释为泡菜
然后我尝试了一些我发现的东西，因为有人建议我解决类似的问题，据我所知，它会暂时从存储桶中重新保存模型本地（相对于作业运行的位置），然后加载它，使用：
fil = "gs://mygcbucket/myPretrainedModel.h5"
model_file = file_io.FileIO(fil, mode='rb')
file_stream = file_io.FileIO(model_file, mode='r')
temp_model_location = './temp_model.h5'
temp_model_file = open(temp_model_location, 'wb')
temp_model_file.write(file_stream.read())
temp_model_file.close()
file_stream.close()
model = load_model(temp_model_location)
return model
但是，这会引发以下错误：
TypeError：预期的二进制或 unicode 字符串，得到 tensorflow.python.lib.io.file_io.FileIO 对象
我必须承认，我不确定我需要做什么才能从我的存储桶中实际加载预训练的 keras 模型，以及在我在谷歌云的培训工作中的用途。任何帮助都深表感谢。