错误，TensorSliceReader 构造函数不成功：无法找到 ram 解封文件的任何匹配文件

Question

我正在遇到此错误，我无法在jupyter笔记本上删除文件：

import os 
import pickle
import joblib
import pandas as pd
from sklearn.preprocessing import MinMaxScaler
filename = open("loan_model3.pkl", "rb")
mdl = pickle.load(filename)
mdl.close()

它始终显示以下错误消息，甚至我都升级了所有库

错误消息：

filenotfounderror：失败的张量构建器构造函数：未能找到RAM的任何匹配文件：// 89506590-EC42-44A9-B67C-3EE4CC8E4CC8E884E/变量/变量/变量，您可能会尝试从计算设备上加载其他设备上的其他设备。考虑在tf.saved_model.loadoptions中设置pasteriention_io_device选项到io_device，例如'/job：local -host'。

我试图升级图书馆，但仍然没有用。

Answer 1

当我尝试将 Sequential 模型存储在 .pkl 文件中时，我也遇到了同样的错误，因为 Sequential 模型是 TensorFlow Keras 模型，因此我们必须将其存储在 .pkl 文件中。 h5 文件，Keras 以这种格式保存模型，因为它可以轻松地将权重和模型配置存储在单个文件中。

代码：

   from keras.models import load_model
   model.save('model.h5')
   model_final = load_model('model.h5')

Answer 2

我不知道你是否还在这里，但我找到了解决方案。基本上你不应该将张量流模型保存到pickle文件中，而是保存到h5文件中

## save model
save_path = './model.h5'
model.save(save_path)
## load tensorflow model
model = keras.models.load_model(save_path)

这对我有用。希望这也对您有帮助。

Answer 3

这对我有用：

import tensorflow as tf
path = './model.h5'
model.save(path )
loaded_model= tf.keras.models.load_model(path )

Answer 4

我遇到了同样的问题，但是通过将模型保存为.h5文件对我有用。现在，我可以加载.h5型号。

Answer 5

对我来说，当我尝试从子进程返回 Keras 模型时，就会发生这种情况。这是因为进程间通信使用 pickling 来传输对象。

正如其他人所说，酸洗 keras 模型不起作用。