关于keras中使用model.save()函数保存模型失败的原因

解决Keras模型保存失败

最新推荐文章于 2025-09-11 03:24:42 发布

原创最新推荐文章于 2025-09-11 03:24:42 发布 · 6.3k 阅读

3 ·

CC 4.0 BY-SA版权

环境问题专栏收录该内容

1 篇文章

订阅专栏

在使用Keras的model.save()函数保存模型时遇到问题，发现是由于h5py版本2.7.0导致的。通过将h5py版本更新到2.8.0，成功解决了保存模型时Python崩溃的问题。

部署运行你感兴趣的模型镜像

关于keras中使用model.save()函数保存模型失败的原因

我使用的是anaconda安装的环境，其中有一个是h5py，自动安装的是2.7.0的版本，这个版本会导致保存模型时python奔溃。

conda install h5py==2.8.0

将h5py更新一个版本即可解决这个问题。

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

图片生成

Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型，相比 3.0 版本，它提升了图像质量、运行速度和硬件效率

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

RandomWW

关注关注

5
点赞
踩
3

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

神经网络_使用tensorflow对fashion mnist衣服数据集分类

研究源码的最底层,只持有正确的仓位

09-16

1524

神经网络_使用TensorFlow对fashion mnist 衣服数据集分类

37 深度学习（一）：查看自己显卡的指令|张量|验证集|分类问题|回归问题

Micoreal的博客

10-24

1294

个人学习笔记

1 条评论您还未登录，请先登录后发表或查看评论

1 条评论

华尔街的幻觉 2019.10.29
感谢！！！！

keras中无法用save保存模型的问题

Chaolei3的博客

07-26

7160

参考：http://www.aichengxu.com/python/24309.htm 当你在keras中训练好模型后，想使用以下语句保存模型时，你会发现无法保存。model.save('my_model.h5')这里主要是因为，系统中没有HDF5这个软件，所以还得下载相关包，才能正确地执行save这个语句。以下是相关步骤： 1.sudo apt-get install libhdf5-de

解决Keras+Torch模型保存难题：从报错到完美落地

gitblog_01012的博客

09-11

302

你是否在Keras项目中使用Torch后端时遭遇过模型保存失败？训练好的模型无法持久化，耗费数小时的实验成果付诸东流？本文将系统解析3类常见保存问题，提供经官方验证的解决方案，让你5分钟内掌握稳定可靠的模型保存技巧。读完本文你将学会：识别Torch后端特有的序列化陷阱、使用原生Keras格式保存完整模型状态、解决分布式训练场景下的模型同步问题。 ## 问题根源：多后端架构下的序列化差异 Ker...

错误NotImplementedError: Saving the model to HDF5 format requires the model to be a Functional model

weixin_44152421的博客

02-03

1882

tf2.0训练网络，使用官方预训练模型和权重时，在保存模型和参数时，出现这个错误：代码： model.save('model36_5.h5') model.save_weights('weight_tf_model36_5.h5') 报错信息 NotImplementedError: Saving the model to HDF5 format requires the model to be a Functional model or a Sequential model. It

解决在keras中使用model.save()函数保存模型失败的问题

09-16

主要介绍了解决在keras中使用model.save()函数保存模型失败的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

pythonsave函数_解决在keras中使用model.save()函数保存模型失败的问题

weixin_39793813的博客

11-30

1205

解决在keras中使用model.save()函数保存模型失败的问题

Keras深度学习框架基础第一讲：模型(model)相关API(2)

MUKAMO的博客

05-24

1244

Keras的`models`类是构建和训练深度学习模型的核心。它支持`Sequential`和函数式API两种模型类型，满足简单到复杂的网络结构需求。主要方法包括`compile`（配置训练）、`fit`（训练）、`evaluate`（评估）、`predict`（预测）等。通过选择合适的优化器、损失函数和评估指标，可以高效训练模型。模型训练完成后，可以使用`save`和`load_model`进行保存和加载。此外，`models`类还支持回调、模型可视化和部署等功能，为深度学习应用提供了全面的支持。

解决Tensorflow2.0 tf.keras.Model.load_weights() 报错处理问题

09-16

在TensorFlow 2.0中，`tf.keras.Model.load_weights()` 是一个非常有用的函数，用于加载预先训练好的权重到模型中，以便继续训练或进行预测。然而，在实际操作中，可能会遇到一些报错，本文将针对这些问题提供解决...

将keras的model.save()保存下来的 .model （.h5) 模型转换为tensorflow的pb模型

热门推荐

火星辉

02-18

1万+

reference：https://www.jianshu.com/p/45e575555896 背景：目前keras框架使用简单，很容易上手，深得广大算法工程师的喜爱，但是当部署到客户端时，可能会出现各种各样的bug，甚至不支持使用keras，本文来解决的是将keras的h5模型转换为客户端常用的tensorflow的pb模型并使用tensorflow加载pb模型。 h5_to_pb.py...

浅谈keras.callbacks设置模型保存策略

09-16

本文将深入探讨如何使用`keras.callbacks.ModelCheckpoint`设置模型保存策略。 `ModelCheckpoint`回调函数的主要参数包括： 1. `filepath`: 保存模型的文件路径。可以包含格式化字符串，如`'model_check/'+'ep{...

Keras模型保存

weixin_38353277的博客

09-07

1180

Keras模型保存的几个方法和它们的区别 model.save() model_save_path = "model_file_path.h5" # 保存模型 model.save(model_save_path) # 删除当前已存在的模型 del model # 加载模型 from keras.models import load_model model = load_model(model_save_path) model.save_weights() model_save_path = "model

keras模型保存报错解决

Editplusplusplus的博客

11-08

1023

【代码】keras模型保存报错解决：WARNING:absl:Function _wrapped_model contains input name(s) LSTM_input with unsupported characters which will be renamed to lstm_input in the SavedModel.

python如何保存训练好的模型_keras 如何保存最佳的训练模型

weixin_39629617的博客

11-21

828

1、只保存最佳的训练模型2、保存有所有有提升的模型3、加载模型4、参数说明只保存最佳的训练模型from keras.callbacks import ModelCheckpointfilepath='weights.best.hdf5'# 有一次提升, 则覆盖一次.checkpoint = ModelCheckpoint(filepath, monitor='val_acc', verbose=1...

Keras.model.save() 引发 NotImplementedError 如何解决

acg32744的博客

09-29

1046

在「机器学习入坑指南（九）：TensorFlow 实战——手写数字识别（MNIST 数据集）」一文中，我们实现了一个模型，完整的代码如下（原文有详细解析）： import tensorflow as tf mnist = tf.keras.datasets.mnist (x_train, y_train),(x_test, y_test) = mnist.load_data()...

keras save model every epoch

濯君

03-17

536

filepath = "saved-model-{epoch:02d}-{val_acc:.2f}.h5"#模型写入名字带dict的epoch，val_acc，还可以是val_loss checkpoint = ModelCheckpoint(filepath, monitor='val_acc', verbose=1, save_best_only=False, mode='max') 参考1...

tf.saved_model.save报错解决

weixin_47182486的博客

08-25

1889

前几天写了一篇同样关于 tf.saved_model.save报错的解决文章，不过这次的错误不太一样。上一篇文章： savemodel报错值得注意的是：我使用的模型是自定义模型，而不是使用keras.model中的Sequential()封装的函数，所以不能使用model.save(‘xxx.h5’)对模型进行保存，只能通过tf.saved_model或者是save_weights来保存。这次我同样是搭建GAN网络来破解口令，不同的是生成器方面，不再使用卷积核激活，而是使用LSTM网络代替，训练后保

Keras模型的保存与调用

qq_18246731的博客

04-20

6137

一、模型的保存（结构 + 权重 + 优化器状态） 1、model.save('model.h5')#保存名为model的h5文件到程序所在目录你可以使用 model.save(filepath) 将 Keras 模型保存到单个 HDF5 文件中，该文件将包含：模型的结构，允许重新创建模型模型的权重训练配置项（损失函数，优化器）优化器状态，允许准确地从你上次结束的地方继续训练。...

python神经网络使用Keras进行模型的保存与读取

weixin_45841831的博客

12-24

4844

这篇文章主要为大家介绍了python神经网络使用Keras进行模型的保存与读取，希望能够有所帮助，祝大家多多进步，早日升职加薪

WARNING:absl:You are saving your model as an HDF5 file via `model.save()` or `keras.saving.save_model(model)`. This file format is considered legacy. We recommend using instead the native Keras format, e.g. `model.save('my_model.keras')` or `keras.saving.save_model(model, 'my_model.keras')`. WARNING:absl:Compiled the loaded model, but the compiled metrics have yet to be built. `model.compile_metrics` will be empty until you train or evaluate the model.

最新发布

10-19

### 解决保存模型为 HDF5 文件提示文件格式为遗留格式警告当使用 `model.save()` 保存模型为 HDF5 文件时出现文件格式为遗留格式的警告，是因为从 TensorFlow 2.x 开始，推荐使用 SavedModel 格式保存模型，而 HDF5 格式可能会逐渐被弃用。为避免该警告，可以采用以下方法： #### 1. 采用 SavedModel 格式保存模型 SavedModel 是 TensorFlow 的标准保存格式，可保存模型的架构、权重和训练配置。示例代码如下： ```python import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense # 创建一个简单的模型 model = Sequential([ Dense(10, input_shape=(10,), activation='relu'), Dense(1, activation='sigmoid') ]) # 编译模型 model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) # 保存模型为 SavedModel 格式 model.save('my_model') ``` #### 2. 忽略警告若仍需使用 HDF5 格式保存模型，可通过以下代码忽略警告： ```python import tensorflow as tf import warnings # 忽略警告 warnings.filterwarnings("ignore", category=UserWarning, module="tensorflow") # 创建模型 model = tf.keras.Sequential([ tf.keras.layers.Dense(10, input_shape=(10,), activation='relu'), tf.keras.layers.Dense(1, activation='sigmoid') ]) # 编译模型 model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) # 保存模型为 HDF5 格式 model.save('my_model.h5') ``` ### 解决加载模型编译后指标未构建警告加载模型编译后指标未构建的警告，通常是因为在加载模型时，指标没有正确重建。可通过以下方法解决： #### 1. 重新编译模型并指定指标在加载模型后，重新编译模型并明确指定指标。示例代码如下： ```python import tensorflow as tf # 加载模型 loaded_model = tf.keras.models.load_model('my_model.h5') # 重新编译模型并指定指标 loaded_model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) ``` #### 2. 自定义指标并加载若使用了自定义指标，需在加载模型时指定自定义指标。示例代码如下： ```python import tensorflow as tf # 自定义指标 def custom_metric(y_true, y_pred): return tf.keras.metrics.binary_accuracy(y_true, y_pred) # 加载模型并指定自定义指标 loaded_model = tf.keras.models.load_model('my_model.h5', custom_objects={'custom_metric': custom_metric}) # 重新编译模型 loaded_model.compile(optimizer='adam', loss='binary_crossentropy', metrics=[custom_metric]) ```