DeepDanbooru项目中的Keras 3兼容性问题解析
在深度学习图像标注工具DeepDanbooru的使用过程中,用户可能会遇到一个与Keras 3版本相关的兼容性问题。这个问题表现为当用户尝试运行train-project命令时,系统会抛出关于save_format参数已被弃用的错误提示。
问题现象
错误信息明确指出:"The save_format argument is deprecated in Keras 3. Please remove this argument and pass a file path with either .keras or .h5 extension.Received: save_format=h5"。这表明在新版Keras 3中,保存模型的API接口发生了变化。
技术背景
Keras作为流行的深度学习框架,在其3.0版本中对模型保存机制进行了重大调整。旧版本中通过save_format参数指定保存格式的方式已被弃用,改为通过文件扩展名自动识别保存格式。这种改变使得API更加简洁,同时也为未来可能新增的格式提供了更好的扩展性。
问题根源
DeepDanbooru项目在模型训练过程中使用了旧的Keras API调用方式,特别是在保存训练好的模型时指定了save_format='h5'参数。这在Keras 2.x版本中是标准做法,但在升级到Keras 3后就不再被支持。
解决方案
项目维护者已经通过提交修复了这个问题。修复方案主要涉及两个方面:
- 移除了对
save_format参数的显式指定 - 确保文件路径使用正确的扩展名(.h5或.keras)来指示保存格式
兼容性考虑
值得注意的是,这个问题还与Python版本和依赖包的兼容性有关。某些依赖项(如tensorflow-io包)可能尚未完全支持最新的Python版本。因此,在等待所有依赖项完全兼容最新Python版本期间,用户可以考虑暂时使用旧版本的软件环境。
最佳实践建议
对于使用类似深度学习框架的开发者,建议:
- 在升级主要框架版本时,仔细检查API变更日志
- 对于模型保存操作,优先使用文件扩展名而非参数来指定格式
- 在开发环境中保持依赖项版本的明确记录
- 考虑使用虚拟环境来隔离不同项目的依赖关系
这个问题的解决体现了开源社区对技术进步的快速响应能力,也提醒我们在使用深度学习框架时需要关注版本间的API变化。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00