我对下面一行的代码有一些问题new_model=load_model（'124446. model'，custom_objects=无，编译=真）这是代码：
import tensorflow as tf
from tensorflow.keras.models import load_model
mnist = tf.keras.datasets.mnist
(x_train,y_train), (x_test,y_test) = mnist.load_data()
x_train = tf.keras.utils.normalize(x_train,axis=1)
x_test = tf.keras.utils.normalize(x_test,axis=1)
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(128,activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(128,activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(10,activation=tf.nn.softmax))
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train,y_train,epochs=3)
tf.keras.models.save_model(model,'124446.model')
val_loss, val_acc = model.evaluate(x_test,y_test)
print(val_loss, val_acc)
new_model = load_model('124446.model', custom_objects=None, compile=True)
prediction = new_model.predict([x_test])
print(prediction)
错误是：
Traceback（最近一次调用最后一次）： File"C：/User/TanveerISIS/PycharmProjects/DeepLearning实践/1.py"，第32行，在new_model=load_model（'124446.model'，custom_objects=无，编译=True）File"C：\User\TanveerIsam\PycharmProjects\DeepLearning实践\venv\lib\site-Packes\Tensorflow\Python\keras\engine\saving.py"，第262行，在load_model=sample_weight_mode）File"C：\用户\TanveerIsam\PycharmProjects\DeepLearning实践\venv\lib\site-Packds\Tensorflow\python\训练\checkpoint able\base.py"，第426行，在_method_wrapper方法（self，*args，**kwargs）File"C：\用户\TanveerIsam\PycharmProjects\DeepLearning实践\venv\lib\sitorflow\python\keras\engine\training.py"，第
序列对象没有属性output_names
所以任何人都可以给我蚂蚁的解决方案。
注意：我使用pyCharm作为IDE。
正如@Shinva所说，将load_model函数的“编译”属性设置为“False”。然后加载模型后，单独编译。
from tensorflow.keras.models import save_model, load_model
save_model(model,'124446.model')
然后再次加载模型：
saved_model = load_model('124446.model', compile=False)
saved_model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
saved_model.predict([x_test])
更新：由于一些未知的原因，我开始得到与问题所述相同的错误。在尝试找到不同的解决方案后，似乎直接使用“keras”库而不是“ensorflow. keras”可以正常工作。
我的设置在“Windows 10”上，使用python：“3.6.7”、ensorflow：“1.11.0”和keras：“2.2.4”
据我所知，有三种不同的方法可以保存和恢复您的模型；前提是您直接使用keras来制作您的模型。
选项1：
import json
from keras.models import model_from_json, load_model
# Save Weights + Architecture
model.save_weights('model_weights.h5')
with open('model_architecture.json', 'w') as f:
f.write(model.to_json())
# Load Weights + Architecture
with open('model_architecture.json', 'r') as f:
new_model = model_from_json(f.read())
new_model.load_weights('model_weights.h5')
选项2：
from keras.models import save_model, load_model
# Creates a HDF5 file 'my_model.h5'
save_model(model, 'my_model.h5') # model, [path + "/"] name of model
# Deletes the existing model
del model
# Returns a compiled model identical to the previous one
new_model = load_model('my_model.h5')
备选方案3
# using model's methods
model.save("my_model.h5")
# deletes the existing model
del model
# load the saved model back
new_model = load_model('my_model.h5')
方案1要求在使用前编译new_model。
选项2和3在语法上几乎相似。
使用的代码来自：
1.保存
我可以通过在load_model（）中设置compile=False来加载模型
import tensorflow as tf
tf.keras.models.save_model(
model,
"epic_num_reader.model",
overwrite=True,
include_optimizer=True
)
new_model = tf.keras.models.load_model('epic_num_reader.model', custom_objects=None, compile=False)
predictions = new_model.predict(x_test)
print(predictions)
import numpy as np
print(np.argmax(predictions[0]))
plt.imshow(x_test[0],cmap=plt.cm.binary)
plt.show()
