无互联网环境下ResNet50加载本地预训练权重方法咨询

weights="imagenet"参数会触发Keras的在线权重下载逻辑，无网环境下会直接抛出网络不可达错误，通过本地加载权重的方式可以完全绕开在线拉取流程，具体操作如下：

• 提前在有网络的环境准备对应权重文件：当前代码使用include_top=False配置，对应无顶层全连接层的ImageNet权重，文件名为resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5；如果之前在有网环境运行过相同代码，权重会默认缓存在用户目录下的.keras/models/路径中，直接复制即可，无需重复下载。
• 将权重文件拷贝到离线环境的本地磁盘，记录好文件的绝对路径。
• 修改模型加载代码，跳过在线拉取逻辑直接读取本地文件，两种写法均可正常运行：

写法1：直接给weights参数传入本地路径 #

# 替换为你本地权重文件的实际存储路径
local_weights = "/data/pretrained/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5"
base_cnn = resnet.ResNet50(
    weights=local_weights,
    input_shape=target_shape + (3,),
    include_top=False
)

写法2：初始化模型后手动加载权重 #

如果需要在加载权重前后做自定义处理，可以先初始化无权重的模型结构，再调用权重加载接口：

# 先初始化随机权重的模型结构
base_cnn = resnet.ResNet50(
    weights=None,
    input_shape=target_shape + (3,),
    include_top=False
)
# 从本地读取权重加载到模型中
base_cnn.load_weights("/data/pretrained/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5")

注意事项 #

• 权重文件必须和当前环境的TensorFlow/Keras版本匹配，否则会出现层名不匹配、权重维度不对应的报错
• Windows环境写路径时建议使用原始字符串格式，避免转义符导致路径识别错误，示例：r"D:\pretrained\resnet50_notop.h5"
• 只要传入的本地路径有效，代码不会触发任何网络请求，完全适配纯离线环境。

内容的提问来源于stack exchange，提问作者Exploring