- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
阅读了一些类似的问题,其中大多数提到你不应该尝试序列化一个不可序列化的对象。我无法理解这个问题。我可以将模型保存为 .h5 文件,但这并不能达到我想要做的目的。请帮忙!
def image_generator(train_data_dir, test_data_dir):
train_datagen = ImageDataGenerator(rescale=1/255,
rotation_range = 30,
zoom_range = 0.2,
width_shift_range=0.1,
height_shift_range=0.1,
validation_split = 0.15)
test_datagen = ImageDataGenerator(rescale=1/255)
train_generator = train_datagen.flow_from_directory(train_data_dir,
target_size = (160,160),
batch_size = 32,
class_mode = 'categorical',
subset='training')
val_generator = train_datagen.flow_from_directory(train_data_dir,
target_size = (160,160),
batch_size = 32,
class_mode = 'categorical',
subset = 'validation')
test_generator = test_datagen.flow_from_directory(test_data_dir,
target_size=(160,160),
batch_size = 32,
class_mode = 'categorical')
return train_generator, val_generator, test_generator
def model_output_for_TL (pre_trained_model, last_output):
x = Flatten()(last_output)
# Dense hidden layer
x = Dense(512, activation='relu')(x)
x = Dropout(0.2)(x)
# Output neuron.
x = Dense(2, activation='softmax')(x)
model = Model(pre_trained_model.input, x)
return model
train_generator, validation_generator, test_generator = image_generator(train_dir,test_dir)
pre_trained_model = InceptionV3(input_shape = (160, 160, 3),
include_top = False,
weights = 'imagenet')
for layer in pre_trained_model.layers:
layer.trainable = False
last_layer = pre_trained_model.get_layer('mixed5')
last_output = last_layer.output
model_TL = model_output_for_TL(pre_trained_model, last_output)
model_TL.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
history_TL = model_TL.fit(
train_generator,
steps_per_epoch=10,
epochs=10,
verbose=1,
validation_data = validation_generator)
pickle.dump(model_TL,open('img_model.pkl','wb'))
最佳答案
我能够使用 Google Colab 在 TF 2.3.0 中复制您的问题
import pickle
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
model = Sequential()
model.add(Dense(1, input_dim=42, activation='sigmoid'))
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
with open('model.pkl', 'wb') as f:
pickle.dump(model, f)
输出:
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-1-afb2bf58a891> in <module>()
8
9 with open('model.pkl', 'wb') as f:
---> 10 pickle.dump(model, f)
TypeError: can't pickle _thread.RLock objects
@adriangb,建议在github上热修复这个问题更多细节请引用this
import pickle
from tensorflow.keras.models import Sequential, Model
from tensorflow.keras.layers import Dense
from tensorflow.python.keras.layers import deserialize, serialize
from tensorflow.python.keras.saving import saving_utils
def unpack(model, training_config, weights):
restored_model = deserialize(model)
if training_config is not None:
restored_model.compile(
**saving_utils.compile_args_from_training_config(
training_config
)
)
restored_model.set_weights(weights)
return restored_model
# Hotfix function
def make_keras_picklable():
def __reduce__(self):
model_metadata = saving_utils.model_metadata(self)
training_config = model_metadata.get("training_config", None)
model = serialize(self)
weights = self.get_weights()
return (unpack, (model, training_config, weights))
cls = Model
cls.__reduce__ = __reduce__
# Run the function
make_keras_picklable()
# Create the model
model = Sequential()
model.add(Dense(1, input_dim=42, activation='sigmoid'))
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
# Save
with open('model.pkl', 'wb') as f:
pickle.dump(model, f)
关于python - 获取 TypeError : can't pickle _thread. RLock 对象,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/64320839/
我目前正在练习python多线程模块,我写了一些代码如下,但它并没有像我预期的那样工作。 import threading import thread import random import tim
我有这个实现: def mlock(f): '''Method lock. Uses a class lock to execute the method''' def wrapper
我正在 Python 中创建一个实用程序,该实用程序在启动时在单独的线程上从文件中读取数据,以便可以加载其余的 GUI 组件。数据存储到列表中,然后附加到组合框。我如何锁定列表,以便在 def rea
1、多线程同步 由于CPython的python解释器在单线程模式下执行,所以导致python的多线程在很多的时候并不能很好地发挥多核cpu的资源。大部分情况都推荐使用多进程。 python的
我在列表中有一个 multiprocessing.Process 对象的集合,它们都使用我称之为“进程安全队列”的同一个实例来以进程安全(线程安全但与进程) 到父进程的方式,其职责是管理线程。 当子进
Python multiprocessing 模块有一个用于可重入/递归锁的类: from multiprocessing import RLock l = RLock() l.acquire() l
我正在尝试解析包含汽车属性(154 种属性)的网站。我有一个巨大的列表(名称是 liste_test),其中包含 280.000 个二手车公告 URL。 def araba_cekici(liste_
Python中的threading模块提供了两种锁:普通锁和可重入锁。在我看来,如果我需要一把锁,我应该总是更喜欢 RLock 而不是 Lock;主要是为了防止出现死锁情况。 除此之外,我看到两点,何
阅读我遇到的 Python 文档 RLock。 谁能向我解释(举例)一个场景,其中 RLock会优先于 Lock ? 特别引用: RLock 的“递归级别”。这有什么用? RLock 对象的线程“所有
在此处检查 Stackoverflow 上的所有现有答案后:Checkpointing keras model: TypeError: can't pickle _thread.lock object
这是我的代码 class MusicHandler(object): """ Implements the logic to download musics """ def __ini
阅读了一些类似的问题,其中大多数提到你不应该尝试序列化一个不可序列化的对象。我无法理解这个问题。我可以将模型保存为 .h5 文件,但这并不能达到我想要做的目的。请帮忙! def image_g
from keras.layers import Embedding, Dense, Input, Dropout, Reshape from keras.layers.convolutional i
我有一段来自 this website 的代码它对对象的初始化进行了双重检查锁定。 func checkSyncProducer() { mutex.RLock() if syncPr
Golang 中的 RLock() 和 Lock() 有什么区别,我们在使用互斥锁时如何有效地使用它们? 最佳答案 Lock():通过获取锁,一次只能进行一次读/写。 RLock():多个go rou
这个问题在这里已经有了答案: Importing installed package from script raises "AttributeError: module has no attribu
我使用的是python 3.6 我正在尝试从下面显示的名称 SubmitJobsUsingMultiProcessing() 的类方法内部使用多重处理,该方法进一步依次调用另一个类方法。 我不断遇到此
我目前正在训练神经网络,我尝试存储训练后的模型以备将来使用。该模型基于 keras 的 Sequential(见下文)。我正在使用 joblib.dump(model, output_file_gen
我按照以下代码在 postgres 数据库上实现并行选择查询: https://tech.geoblink.com/2017/07/06/parallelizing-queries-in-postgr
我创建了一个非常简单的 Tensorflow 程序来测试多处理(如下所示),但我不断收到错误: 类型错误:无法pickle _thread.Rlock对象 我注意到,如果我不传入 Tensorflow
我是一名优秀的程序员,十分优秀!