self.nn = tensorflow.keras.models.load_model(model_path, compile=False)在tensorflow2.9。1怎么改

在 TensorFlow 2.9.1 中，您可以使用以下代码加载模型：

import tensorflow as tf

model = tf.keras.models.load_model(model_path)

如果您需要自定义编译过程，则可以使用以下代码：

import tensorflow as tf

model = tf.keras.models.load_model(model_path)
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

请注意，TensorFlow 2.x 中的模型加载和编译过程已经发生了很多变化，因此您需要根据您的模型架构和需求进行适当的调整。

相关问题

keras.models.load_model(model_path, compile=False)在tensorflow2.9.1怎么改

在TensorFlow 2.9.1中，使用`tf.keras.models.load_model`加载模型时，默认情况下会自动编译模型。如果要禁止自动编译模型，可以将`compile`参数设置为`False`，这与以前的Keras API一样。

因此，如果您想在TensorFlow 2.9.1中加载未编译的模型，可以使用以下代码：

import tensorflow as tf

# 加载未编译的模型
model = tf.keras.models.load_model(model_path, compile=False)

# 手动编译模型
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

在这里，我们首先加载未编译的模型，然后手动编译模型，指定优化器、损失函数和度量指标等参数。

from tensorflow.keras.models import load_model中keras报错

这个错误可能是由于TensorFlow版本的变化导致的。

一种解决方法是修改代码，将“tensorflow.keras”替换为“keras”，因为最新的Keras已经与TensorFlow合并，不再需要“tensorflow”前缀。

另一个解决方法是更新TensorFlow版本，确保您的TensorFlow版本兼容您使用的Keras版本。您可以使用以下命令安装最新版本的TensorFlow：

!pip install --upgrade tensorflow

如果您的Keras模型在较旧版本的TensorFlow中训练，而您现在想要加载它，您可以考虑安装相应版本的TensorFlow和Keras，以避免兼容性问题。

您可以使用以下命令安装特定版本的TensorFlow和Keras：

!pip install tensorflow==1.15.0
!pip install keras==2.3.1

在这个例子中，我们将TensorFlow版本设置为1.15.0，Keras版本设置为2.3.1。您可以根据您的需要更改这些版本。