(这是我第一次提问！)我在Google Colab上工作。我对一个Resnet50模型进行了微调，并保存了权重。后来在测试过程中，我这样加载了模型权重：

res50 = keras.applications.ResNet50(weights= None, include_top=False, input_shape=(image_size, image_size, 3))# Create the modelmodel = Sequential()model.add(res50)model.add(Flatten())model.add(Dense(100, activation='relu'))model.add(Dropout(0.5))#0.75model.add(Dense(1, activation='sigmoid'))#softmax #to Sigmoidmodel.summary()new_model = model    new_model.load_weights('/content/drive/My Drive/model_weights.hdf5')model.compile(    optimizer=keras.optimizers.Adam(1e-4),#1e-6    loss="binary_crossentropy",    metrics=["accuracy"],)

请注意，在最后一块代码中，我编译的是’model’而不是’new_model’。然而，我发现’new_model’也被编译了。此外，我还注意到’model’的权重也被更新了，不仅仅是’new_model’。基本上，对其中一个进行任何更改都会影响另一个。这是为什么会发生这种情况？这是加载权重的正确方式吗？我对编程的理解非常基础。请帮助我。

回答：

问题在于你将new_model赋值为model的指针，因此new_model和model实际上引用的是同一个变量。

你可以通过创建一个辅助函数来解决这个问题，该函数生成具有所需结构的新模型：

def make_model(base_model):    model = Sequential()    model.add(base_model)    model.add(Flatten())    model.add(Dense(100, activation='relu'))    model.add(Dropout(0.5))#0.75    model.add(Dense(1, activation='sigmoid'))#softmax #to Sigmoid    return model

最后：

res50 = keras.applications.ResNet50(weights= None, include_top=False, input_shape=(image_size, image_size, 3))# Create the modelnew_model = make_model(base_model=res50)new_model.summary()  new_model.load_weights('/content/drive/My Drive/model_weights.hdf5')new_model.compile(    optimizer=keras.optimizers.Adam(1e-4),#1e-6    loss="binary_crossentropy",    metrics=["accuracy"],)

这样，如果将来你需要创建额外的模型并加载另一个模型的权重，你只需要这样做：

new_future_model = make_model(new_base_model)