keras tensorflow load_weights fail

Question

나는 tensorflow 1.0.0 백엔드가있는 keras 1.2를 사용하고 있습니다.

json에서 사전 보정 된 모델을로드 한 다음 hdf5 파일에서 해당 가중치를로드하는 기능이 있습니다.

RuntimeError: The Session graph is empty. Add operations to the graph before calling run() 

이 내가 설정 내 모듈의 시작 부분에 넣어이 라인에 기인 궁금 다음 예외 load_weights 결과

def load(): 
    model = model_from_json(open(model_path).read()) 
    model.load_weights(model_weights_path) 

이 기능은, 더 정확하게 호출 재현성 tensorflow 시드 :

tf.set_random_seed(123) # To set Tensorflow seed 
sess = tf.Session() 
keras.backend.set_session(sess) 

따라서 t 실패 자동으로 세션과 연관된 그래프로서로드 모델을 설정하지 않는 keras 세션 보인다 o 가중치를 초기화합니다.

예외를 피하기위한 설명 및 해결 방법은 있습니까?

Answer 1

저는 여러분과 같은 코드를 사용하고 있습니다.

 from keras.models import Sequential 
     from keras.models import Model 
     from keras.layers import Dense, Dropout, Activation, Flatten, Input, GlobalAveragePooling2D 
     from keras.optimizers import RMSprop 
     from keras.utils import np_utils 
     from keras.models import model_from_json 
     from keras.layers import Convolution2D, MaxPooling2D 
     from keras.layers.pooling import AveragePooling2D 
     from keras.layers.normalization import BatchNormalization 
     from keras.layers.convolutional import ZeroPadding2D 
     from keras.engine.topology import Merge 
     from keras.layers import merge 
     from keras.optimizers import Adam 
     from keras import backend as K 
     from keras.layers.pooling import MaxPooling2D 
     from keras.layers.convolutional import ZeroPadding2D 

     import PIL 
     import inception 
     import tensorflow as tf 
     import keras 
     import glob 
     import pandas as pd 
     import pickle 
     import numpy as np 
     import matplotlib.pyplot as plt 
     from PIL import Image 

    # load json and create model 
     json_file = open('model.json', 'r') 
     loaded_model_json = json_file.read() 
     json_file.close() 
     model = model_from_json(loaded_model_json) 
     # load weights into new model 
     model.load_weights("model.h5") 
     print("Loaded model from disk") 

model.summary() 
model.compile(Adam(lr=0.0001), loss='categorical_crossentropy', metrics=['accuracy']) 

score = model.predict(transfer_values_test)