基于VGG19的预训练模型加载预测时出现Graph disconnected错误求助

你遇到的Graph disconnected错误完全是预测代码里的错误操作导致的：

• 加载好的模型m已经是完整的9分类模型，你却在预测后试图重新构建新模型，还用到了未定义的x变量——这个变量和加载的模型图没有任何关联，直接导致张量连接断裂。
• 错误使用decode_predictions函数，它是专门解析ImageNet 1000分类结果的，你的模型是自定义9分类，完全不适用。
• 代码里的argparse参数定义后完全没用到，属于冗余代码。

1. 删除冗余的模型重构代码：加载的m就是训练好的完整模型，直接用它做预测即可，不需要重新添加Dense层或构建新Model。
2. 替换分类结果解析逻辑：去掉decode_predictions，换成你自己的9分类标签映射逻辑。
3. 清理冗余代码：删除没用的argparse部分，或者实际用上它。
4. 修正OpenCV显示代码：cv2.imshow需要传入窗口名称参数。

import os
import cv2
import numpy as np
from keras.preprocessing import image as image_utils
from keras.applications.imagenet_utils import preprocess_input
from tensorflow.keras.models import load_model

# 加载训练好的模型
m = load_model('model_he.h5')

# 替换成你自己的9分类标签，顺序要和训练时的class_count对应
class_labels = ["类别1", "类别2", "类别3", "类别4", "类别5", "类别6", "类别7", "类别8", "类别9"]

# 测试图片路径
img_path = "val/"
files = os.listdir(img_path)
print("[INFO] loading and processing images...")

for filename in files:
    file = os.path.join(img_path, filename)
    
    # 加载原始图片用于显示
    original = cv2.imread(file)
    if original is None:
        print(f"[WARNING] 无法读取图片 {file}，跳过")
        continue

    # 预处理图片，和训练时保持一致
    image = image_utils.load_img(file, target_size=(224, 224))
    image = image_utils.img_to_array(image)
    image = np.expand_dims(image, axis=0)
    image = preprocess_input(image)

    print(f"[INFO] 分类图片 {filename}...")
    # 直接用加载好的模型预测
    predictions = m.predict(image, verbose=0)
    
    # 获取预测结果：概率最大的类别索引和概率值
    pred_idx = np.argmax(predictions[0])
    pred_label = class_labels[pred_idx]
    pred_prob = predictions[0][pred_idx] * 100

    # 打印所有类别概率
    print("所有类别预测概率：")
    for idx, (label, prob) in enumerate(zip(class_labels, predictions[0])):
        print("{}. {}: {:.2f}%".format(idx + 1, label, prob * 100))

    # 在图片上绘制预测结果
    cv2.putText(original, f"Label: {pred_label}, {pred_prob:.2f}%", 
                (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2)
    # 修正imshow参数：窗口名 + 图片
    cv2.imshow("Prediction Result", original)
    # 按任意键关闭窗口，继续下一张
    cv2.waitKey(0)
    cv2.destroyWindow("Prediction Result")

# 最后关闭所有窗口
cv2.destroyAllWindows()

• 确保class_labels的顺序和你训练时的类别顺序完全一致，否则预测标签会对应错误。
• 如果训练时用了其他预处理方式（比如自定义归一化），要保证预测时的预处理和训练完全相同。
• 加载模型时如果遇到自定义正则化等问题，可以在load_model里添加custom_objects参数，比如：

from keras import regularizers
m = load_model('model_he.h5', custom_objects={"l2": regularizers.l2, "l1": regularizers.l1})

内容的提问来源于stack exchange，提问作者user979974