Found unexpected keys that do not correspond to any Model output : dict_keys([‘dense_class‘]

解决TensorFlow模型编译问题

最新推荐文章于 2024-07-31 21:26:20 发布

原创最新推荐文章于 2024-07-31 21:26:20 发布 · 1.7k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #python

本文探讨了在使用TensorFlow构建模型时遇到的编译问题。重点在于确保模型的最后一层名称与编译时指定的metrics名称保持一致，以避免出现错误。文中详细介绍了具体的模型结构及编译配置。

部署运行你感兴趣的模型镜像

我试过改keras to tensorflow.keras,换过tensorflow版本都不行

每个情况都不同

我的情况是 model建立的时候命名和做loss计算的时候要保持一致

这是model最后输出层

out_class = TimeDistributed(Dense(nb_classes, activation='softmax', kernel_initializer='zero'),
                                name='dense_class_branch2_{}'.format(nb_classes))(out)
    # note: no regression target for bg class

out_regr = TimeDistributed(Dense(4 * (nb_classes - 1), activation='linear', kernel_initializer='zero'),
                               name='dense_regress_branch2_{}'.format(nb_classes))(out)
    return [out_class, out_regr]

compile的时候

model_classifier_branch2.compile(optimizer=optimizer_classifier, loss=[losses.class_loss_cls, losses.class_loss_regr(len(actions_count)-1)], metrics={'dense_class_branch2_{}'.format(len(actions_count)): 'accuracy'})

metrics 里面的名字和最后一层名字应该一样都是dense_class_branch2_(len(actions_count)

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。它提供了一个灵活的平台,用于构建和训练各种机器学习模型