载入模型出现编码错误

# 0~2π角度对应(X,Y)拟合圆 并保存训练结果
import numpy as np
import tensorflow as tf
from tensorflow import keras
import matplotlib.pyplot as plt

x = np.random.rand(1000) * 2 * np.pi
x = x.reshape([1000, 1])
y = np.hstack((np.cos(x).reshape([1000, 1]), np.sin(x).reshape([1000, 1])))

model = tf.keras.Sequential()
# 神经元个数越多,效果会越好,收敛越快,太少的话难以收敛到所需曲线
model.add(keras.layers.Dense(1000, activation='relu'))
# linear,relu,tanh, sigmoid, softmax
model.add(keras.layers.Dense(2, activation='tanh'))
model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),
              loss=tf.keras.losses.mse)
model.fit(x, y, batch_size=10, epochs=100, shuffle=True, verbose=2)

plt.plot(y[:, 0], y[:, 1], "b^", label="f(x)")
py = model.predict(x)
plt.plot(py[:, 0], py[:, 1], "r.", label="predict")
plt.legend(loc=0)
plt.show()

# Save the model
# serialize model to JSON

model_digit_json = model.to_json()
with open("model_circle.json", "w") as json_file:
    json_file.write(model_digit_json)
# serialize weights to HDF5
model.save("model_circle.h5")
model.save_weights("model_circle_weights.h5")

# 第二种载入方法：同时载入模型及训练好的参数
import numpy as np
from tensorflow import keras as tk
import matplotlib.pyplot as plt

x = np.random.rand(1000) * 2 * np.pi
x = x.reshape([1000, 1])

model = tk.models.load_model("model_circle.h5")
py = model.predict(x)
plt.plot(py[:, 0], py[:, 1], "r.", label="predict")
plt.legend(loc=0)
plt.show()

将模型的位置，放置在无中文的目录下就可解决这个问题，
来源：

您好，我是有问必答小助手，您的问题已经有小伙伴帮您解答，感谢您对有问必答的支持与关注！
PS：问答VIP年卡 【限时加赠：IT技术图书免费领】，了解详情>>> https://vip.csdn.net/askvip?utm_source=1146287632不知道你这个问题是否已经解决, 如果还没有解决的话:

• 这个问题的回答你可以参考下: https://ask.csdn.net/questions/843882
• 这篇博客你也可以参考下：模型是如何训练出来的
• 除此之外, 这篇博客: 轻量级人脸检测模型中的 出发点 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  人脸检测是一类检测算法，而且目前主流的算法都是基于ssd的结构。
  想要模型快，小就两点，模型参数量，模型的计算复杂度。

  基于此，可以大致定下需要的模型结构

  1. one sage
  2. 轻backbone
  3. 输入尺寸320x320 或更小
  4. 输出feature不宜过大，层数不宜过多，一般3层，按需来
  5. 适当的提升性能的手段，例如fpn，inception等的结构
     等。。。。

  具体的结构见代码

  于是有了 lightnet ，　算是改的DSFD吧，但是更像retinanetface

  github
  注意是tf2 分支
• 您还可以看一下 王恩龙老师的软件测试基础课程中的 软件测试准入准出条件小节, 巩固相关知识点
  
• 以下回答来自chatgpt:

  可能的原因： 1. 文件编码问题：深度学习模型文件的编码格式可能与Python和TensorFlow的编码格式不匹配，导致加载时出现编码错误。 2. 文件完整性问题：深度学习模型文件可能损坏或不完整，导致无法正确加载模型。

  解决方法： 1. 确保深度学习模型文件的编码格式与Python和TensorFlow的编码格式相匹配。可以尝试使用UTF-8编码格式重新保存模型文件。 2. 检查深度学习模型文件的完整性，确保文件没有损坏或缺失任何部分。可以尝试重新下载或获取完整的模型文件。

  以下是代码示例，展示如何处理模型文件的编码问题和完整性问题：

  import tensorflow as tf
  
  # 指定模型文件路径
  model_path = 'path/to/your/model/file.h5'
  
  try:
      # 尝试加载模型文件
      model = tf.keras.models.load_model(model_path)
      print("模型加载成功！")
  except UnicodeDecodeError as e:
      # 如果遇到编码错误，可以尝试重新保存模型文件为UTF-8格式
      with open(model_path, 'r', encoding='utf-8') as f:
          model_data = f.read()
      with open(model_path, 'w', encoding='utf-8') as f:
          f.write(model_data)
      print("模型文件编码已转换为UTF-8格式！")
  except Exception as e:
      # 如果模型文件损坏或缺失，可以尝试重新下载或获取完整的模型文件
      print("模型文件损坏或缺失，请重新下载或获取完整的模型文件！")
      print(str(e))
  

  请注意，以上代码示例仅为参考，具体操作根据实际情况进行调整和修改。如果以上解决方法不起作用，可能需要进一步检查和调试代码或咨询相关领域的专业人士。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^