Keras如何部分加载模型权重？以VGG19的block1为例

这个报错很典型——你直接调用model.load_weights()时，Keras默认会尝试匹配权重文件里所有层的参数，但你自定义的模型只包含VGG19的block1部分，和权重文件的层数量、结构不匹配，所以就抛出了这个ValueError。

下面给你两种可行的解决方案：

方法一：使用by_name=True参数（最简单） #

Keras的load_weights()方法支持by_name=True参数，它会根据层的名字去匹配加载权重，只会加载那些在你的自定义模型中存在对应名字的层的参数，完全忽略其他层。

修改你的代码如下：

import tensorflow as tf

def VGG19_part(input_shape=None):
    img_input = tf.keras.layers.Input(shape=input_shape)
    # Block 1
    x = tf.keras.layers.Conv2D(64, (3, 3), activation='linear', padding='same', name='block1_conv1')(img_input)
    x = tf.keras.layers.Activation('relu')(x)
    x = tf.keras.layers.Conv2D(64, (3, 3), activation='linear', padding='same', name='block1_conv2')(x)
    x = tf.keras.layers.Activation('relu')(x)
    x = tf.keras.layers.MaxPooling2D((2, 2), strides=(2, 2), name='block1_pool')(x)
    model = tf.keras.Model(img_input, x, name='vgg19')
    
    # 关键修改：添加by_name=True参数
    model.load_weights('/Users/myuser/.keras/models/vgg19_weights_tf_dim_ordering_tf_kernels_notop.h5', by_name=True)
    
    print(model.summary())
    # 可以验证权重是否加载成功，比如打印block1_conv1的权重形状
    print("block1_conv1权重形状:", model.get_layer('block1_conv1').get_weights()[0].shape)
    return model

# 测试调用
model = VGG19_part(input_shape=(224,224,3))

这样就能成功加载block1的所有层权重了，因为你的自定义模型里的层名字和权重文件里的block1层名字完全一致（block1_conv1、block1_conv2、block1_pool），Keras会自动匹配这些层并加载对应的权重。

方法二：手动提取权重（更灵活） #

如果你需要更精细的控制，可以先加载完整的VGG19模型，然后手动把block1的层权重提取出来，赋值给你的自定义模型：

import tensorflow as tf

def VGG19_part(input_shape=None):
    img_input = tf.keras.layers.Input(shape=input_shape)
    # Block 1
    x = tf.keras.layers.Conv2D(64, (3, 3), activation='linear', padding='same', name='block1_conv1')(img_input)
    x = tf.keras.layers.Activation('relu')(x)
    x = tf.keras.layers.Conv2D(64, (3, 3), activation='linear', padding='same', name='block1_conv2')(x)
    x = tf.keras.layers.Activation('relu')(x)
    x = tf.keras.layers.MaxPooling2D((2, 2), strides=(2, 2), name='block1_pool')(x)
    model = tf.keras.Model(img_input, x, name='vgg19')
    
    # 加载完整的VGG19模型（不带顶层）
    full_vgg = tf.keras.applications.VGG19(weights='imagenet', include_top=False, input_shape=input_shape)
    
    # 遍历自定义模型的层，从完整模型中提取对应权重
    for layer in model.layers:
        if layer.name in [l.name for l in full_vgg.layers]:
            full_layer = full_vgg.get_layer(layer.name)
            layer.set_weights(full_layer.get_weights())
            print(f"已加载层 {layer.name} 的权重")
    
    print(model.summary())
    return model

# 测试调用
model = VGG19_part(input_shape=(224,224,3))

这种方法适合你需要对权重做额外处理（比如修改、筛选）的场景，灵活性更高。

注意点 #

• 确保你自定义模型的层名字和权重文件中的层名字完全一致，否则by_name=True或者手动提取都会匹配失败。
• 如果你使用的是带顶层的权重文件（比如vgg19_weights_tf_dim_ordering_tf_kernels.h5），同样可以用这两种方法，因为顶层的层名字不在你的自定义模型中，会被自动忽略。

内容的提问来源于stack exchange，提问作者mrgloom