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() ?