前提・実現したいこと
VAEを使って学習を行い、モデルをh5ファイル形式で保存しました。
保存したモデルを新しいデータセットの予測に使いたいのですが、kerasのload_modelで読み込もうとすると以下のようなエラーが出てしまいます。
h5ファイルがうまく保存されていないのかと思い中身を見てみましたが、そういうわけではなさそうでした。
エラー解消方法について、どなたかアドバイスをいただけないでしょうか。
発生している問題・エラーメッセージ
ValueError Traceback (most recent call last) <ipython-input-31-ffcd6d758564> in <module>() 7 import tensorflow as tf 8 ----> 9 model = load_model('model.ep30.h5') 10 11 test_normal_pred = model.predict(test_normal, verbose=1) 2 frames /usr/local/lib/python3.6/dist-packages/keras/engine/training.py in compile(self, optimizer, loss, metrics, loss_weights, sample_weight_mode, weighted_metrics, target_tensors, **kwargs) 134 'The model has ' + str(len(self.outputs)) + 135 ' outputs, but you passed loss=' + --> 136 str(loss)) 137 loss_functions = [losses.get(l) for l in loss] 138 else: ValueError: When passing a list as loss, it should have one entry per model outputs. The model has 1 outputs, but you passed loss=[]
該当のソースコード
#ROC曲線とAUCスコアの表示 from keras.models import load_model import numpy as np from sklearn.metrics import mean_squared_error from sklearn.metrics import roc_curve from sklearn.metrics import roc_auc_score import h5py import tensorflow as tf model = load_model('model.ep30.h5') test_normal_pred = model.predict(test_normal, verbose=1) test_anomaly_pred = model.predict(test_anomaly, verbose=1) score = [] for i in range(len(test_normal)): squared_error_normal = mean_squared_error(test_normal[i,:], test_normal_pred[i,:])# squared_error_normal = tf.reduce_mean(tf.square(test_normal_pred[i,:,:,:] -test_normal[i,:,:,:])) score.append(squared_error_normal) for i in range(len(test_anomaly)): squared_error_anomaly = mean_squared_error(test_anomaly[i,:], test_anomaly_pred[i,:])# squared_error_anomaly = tf.reduce_mean(tf.square(test_anomaly_pred[i,:,:,:] - test_anomaly[i,:,:,:])) score.append(squared_error_anomaly) score = np.array(score) #print(score.shape) #print(score) #ROC曲線の描画 y_true = np.zeros(len(test_normal)+len(test_anomaly)) y_true[len(test_normal):] = 1#0:正常、1:異常 #print(y_true.shape) #print(score.shape) #print(score) # FPR, TPR(, しきい値) を算出 fpr, tpr, thresholds = roc_curve(y_true, score) # AUC auc = roc_auc_score(y_true, score) # ROC曲線をプロット plt.figure plt.plot(fpr, tpr, label='VAE method (area = %.2f)'%auc, c="r") plt.legend() plt.title('ROC curve') plt.xlabel('False Positive Rate') plt.ylabel('True Positive Rate') plt.grid(True) plt.savefig("./ROC curve.png") plt.show()
補足情報(FW/ツールのバージョンなど)
Google Colabを使っています。
回答1件
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。