Question

我在以下链接中尝试过keras nmt代码：https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/eager/python/examples/nmt_with_attention/nmt_with_attention.ipynb

但是当我尝试保存模型时，出现了NotImplementedError：

File "m.py", line 310, in <module>
    main()
  File "m.py", line 244, in main
    encoder.save('/home/zzj/temp/encoder.h5')
  File "/home/zzj/tensorflow/lib/python3.5/site-packages/tensorflow/python/keras/engine/network.py", line 1218, in save
    raise NotImplementedError

编码器，解码器将tf.keras.Model子类化，而tf.keras.Model是Network的子类。阅读https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/keras/engine/network.py

中的代码后

我发现这两个类的_is_graph_network变为False。我试图将标志设置为true，但出现另一个错误。那么如何保存作者在代码中定义的模型？

Answer 1

当前的tf版本（1.11）也有类似的问题。我使用tf.keras API定义了我的模型，并对其进行了毫无问题的训练。当我想使用tensorflow.keras.models.save_model或model.save()（仅调用save_model）保存模型时，出现以下异常：

NotImplementedError：__deepcopy __（）仅在启用急切执行时可用。

所以我叫tf.enable_eager_execution()，但是由于在我的体系结构中使用了Lambda层，我最终遇到了另一个 NotImplementedError 。如果您的体系结构不包含Lambda层，则启用eager_execution可以解决tf 1.11中的问题。

我最后的“前进方向”是使用model.save_weights('model_weights.h5')，因为我不需要保存模型体系结构，而只是训练了权重。顺便说一句：在我的情况下，也可以从tensorflow.keras。*导入转换为keras。*，而仅使用带有tf后端的“普通” keras（当然，model.save()可以使用）。

Answer 2

考虑使用tf.keras.models.save_model（）和load_model（），它可能会起作用。

Answer 3

model.save('model.h5py')可以解决问题。关键是另存为h5py文件。

keras model.save（）引发NotImplementedError

3 个答案: