0

我有一个这样的 CTCLayer 类：

class CTCLayer(layers.Layer):
def __init__(self, name=None):
    super().__init__(name=name)
    self.loss_fn = keras.backend.ctc_batch_cost


def call(self, y_true, y_pred):
    # Compute the training-time loss value and add it
    # to the layer using `self.add_loss()`.
    batch_len = tf.cast(tf.shape(y_true)[0], dtype="int64")
    input_length = tf.cast(tf.shape(y_pred)[1], dtype="int64")
    label_length = tf.cast(tf.shape(y_true)[1], dtype="int64")

    input_length = input_length * tf.ones(shape=(batch_len, 1), dtype="int64")
    label_length = label_length * tf.ones(shape=(batch_len, 1), dtype="int64")

    loss = self.loss_fn(y_true, y_pred, input_length, label_length)
    self.add_loss(loss)

    # At test time, just return the computed predictions
    return y_pred

我训练了我的模型，将其保存到 model.h5 文件并通过以下方式加载：

model_load = tf.keras.models.load_model('model.h5', custom_objects={'CTCLayer': CTCLayer})

它抛出了一个init () got an unexpected keyword argument 'trainable'错误。

由于我不想再次训练我的模型（时间限制），是否有任何解决方法可以加载模型而无需在 CTCLayer 类中添加 get_config() ？

如果没有，我应该如何修改类中的 get_config() ？

4

1 回答 1

0

这应该有效：

    class CTCLayer(layers.Layer):
    def __init__(self, name=None):
        def __init__(self, name=None, **kwargs):
        super(CTCLayer, self).__init__(name=name, **kwargs)
于 2021-03-19T11:02:14.460 回答