1、.h5文件包括两种，没有有网络结构用model.load_weights
本来训练的模型测试集和验证集效果都很好，但是预测的时候效果特别差，而且每次效果都不一样， 我就觉得我训练的参数模型没有用上，模型应该是随机参数，所以才导致预测效果差，而且每次都不一样。想了一想，觉得问题只可能出在加载模型model.load_weights('best_weights.h5',by_name=True)上面，所以研究了by_name这个参数。
就是说by_name=False 的时候按照网络的拓扑结构加载权重，by_name=True 的时候就是按照网络层名称进行加载.
我上面的层没有取名字，所以by_name=True的时候估计就是找不到层，就直接给我随机初始化，才会导致结果很差而且每一次预测结果都不一样。
（作者：vanHsiao
链接：https://www.jianshu.com/p/f79f96cb6f86
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。）
2、迁徙学习微调 Tensorflow 2.0 迁移学习微调（fine tune）代码示例 - 知乎 (zhihu.com) 3、定义函数时，default给定在后，输入在前
def build_DTLN_model(self, weights_pre, norm_stft=False):标签：name,模型,22.11,weights,tensorflow,model,True,加载 From： https://www.cnblogs.com/lixinyu0310/p/16848729.html