Keras："即使使用了compile（），在使用模型之前必须编译模型"

Question

我希望您使用Keras创建和训练一个卷积神经网络模型，用于对纸币进行分类。使用简单的教程可以很好地创建模型，但使用我从这篇论文中采用的结构时出现了问题。在调用fit_generator()后，Keras输出：RuntimeError('You must compile your model before using it.')。

如果您使用tensorflow后端，则可能需要注意。

该模型在model.py中定义：

from keras.layers import ...
model = Sequential() 
model.add(some_layer)

... #according to the paper

model.add(some_layer)
model.add(Dense(#output_classes, activation='softmax') #last layer

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

从start_train.py开始使用model：

from model import model as m

#some ImageGenerator stuff as input

m.fit_generator( #training on train_data
        train_pics,
        steps_per_epoch=#steps,
        epochs=#epochs,
        validation_data=test_pics,

据我所理解，Keras 的过程如下：

1. 定义模型
2. 编译模型
3. (如果需要，在编译后可以使用 evaluate() 和 summary() 进行评估)
4. 拟合模型
5. 评估模型。

我测试了一下在调用 fit_generator() 之前是否可以访问 model.py，结果正常。我不知道自己做错了什么，尤其是因为相同的设置对于基本模型/架构而言运行良好。

非常感谢您提供的任何帮助！ :)

- very_interesting

---

如果您在start_train.py脚本中运行model.compile()，它是否无法正常工作？ - sdcbr

不，同样的错误。 - very_interesting

Answer 1

发现了我的错误——为以后参考做出解释。

错误源于 compile()，其中第一个if语句如下：

if not self.built:
    # Model is not compilable because
    # it does not know its number of inputs
    # and outputs, nor their shapes and names.
    # We will compile after the first
    # time the model gets called on training data.
return

所以我在第一个Conv2D层中指定了input_shape=和input_format=，一切都正常运作。

- very_interesting

---

只是为了添加一个具体的例子。要消除错误，需要在第一个conv2d层中添加input_shape。 新模型 = Sequential() new_model.add(Conv2D(32,(3,3),activation='relu',padding='same',input_shape=(32,32,3))) - Tanmay Patil

Answer 2

如果有人遇到相同的错误代码，这里也许有一种解决方法。我正在使用生成器时，尽管一切正常，但仍然出现了“必须编译”的错误。在启动fit_generator之前，我通过对单个批次进行model.fit(x，y)来修复它，然后一切正常运行。我不知道这是否能帮助任何人，但是就是这样！

- Marc Blais

---

我也曾经因为使用生成器（就像你一样）而遇到了同样的问题，你的解决方法真是太棒了。顺便说一句，希望他们在下一个版本中修复这个问题。 - talha06

Answer 3

你可以在一个小数据集上运行评估，那样就可以解决它了。

- Christo S. Christov

Answer 4

试试这个：

from keras.optimizers import Adam
opt = keras.optimizers.Adam(use your own learning rate)
model.compile(optimizer=opt, loss="categorical_crossentropy", metrics=model.compile(optimizer=opt, loss="categorical_crossentropy", metrics=['accuracy']))

- Aniket Sawale

---

你的代码不能直接运行，解释你的解决方案为什么可行会是受欢迎的。 - Astariul