Unable to load weights saved in HDF5 format into a subclassed Model which has not created its variables yet. Call the Model first, then load the weights.

这个错误通常出现在使用自定义的 Keras 模型时，加载 HDF5 格式的权重时会遇到这个问题。这是因为在子类化模型时，模型的变量（例如权重）不是在 `__init__` 方法中创建的，而是在调用模型时动态创建的。因此，在加载权重之前，需要先调用模型一次以确保所有变量都已经创建。

下面是一个示例，演示如何在子类化模型中加载 HDF5 格式的权重：

import tensorflow as tf
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Input, Dense, Flatten

class MyModel(Model):
    def __init__(self):
        super(MyModel, self).__init__()
        self.dense1 = Dense(64, activation='relu')
        self.dense2 = Dense(10, activation='softmax')

    def call(self, inputs):
        x = self.dense1(inputs)
        return self.dense2(x)

model = MyModel()
model.build((None, 784))
model.summary()

# 加载 HDF5 格式的权重前需要先调用一次模型
model(tf.zeros((1, 784)))

model.load_weights('my_model_weights.h5')
print('Weights loaded.')

在上面的示例中，我们首先定义了一个自定义的 Keras 模型 `MyModel`，其中包含两个密集层。然后，我们创建了一个新的 `MyModel` 实例，并调用 `build` 方法来指定输入形状。在调用模型之前，我们需要先加载 HDF5 格式的权重。为了避免出现错误，我们先调用了一次模型，然后再加载权重。最后，我们打印一条消息来确认权重已经成功加载。

需要注意的是，在子类化模型时，需要在 `call` 方法中定义模型的前向传播逻辑，而不是在 `__init__` 方法中定义。此外，还需要在 `build` 方法中指定输入形状。