H5py层-使用自定义keras层后无法在第1个时代创建链接（“名称已存在”）

Question

我正尝试在Keras中为递归卷积网络构建RCL块，如论文https://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Liang_Recurrent_Convolutional_Neural_2015_CVPR_paper.pdf

中所述

使用我的自定义keras图层的模型得到编译，但是在保存模型运行1个历元后，我遇到了h5py抛出的错误：

  

h5py._objects.with_phil.wrapper（）中的h5py / _objects.pyx

     

h5py._objects.with_phil.wrapper（）中的h5py / _objects.pyx

     hppy.h5o.link（）中的

h5py / h5o.pyx

     

RuntimeError：无法创建链接（名称已经存在）

我正在使用自定义图层中已经存在的keras图层：

class Recurrent_block(tf.keras.layers.Layer):
    def __init__(self, ch_out,t):
        self.num_outputs = num_outputs
        self.t = t
        self.ch_out = ch_out
        super(Recurrent_block, self).__init__()

    def build(self, input_shape)
        self.shape = tf.TensorShape([input_shape[0].value,input_shape[1].value,input_shape[2].value,self.ch_out])
        self.fc = tf.keras.models.Sequential([tf.keras.layers.Conv2D(filters=self.ch_out, kernel_size=(3,3), strides=(1, 1), padding='same'),tf.keras.layers.BatchNormalization(),tf.keras.layers.Activation('relu')])
        self.fc.build(self.shape)
        print(self.fc.trainable_weights)
        self._trainable_weights = self.fc.trainable_weights
        super(Recurrent_block, self).build(self.shape)

    def call(self,x):
        x = tf.keras.layers.Conv2D(self.ch_out,kernel_size=1,strides=(1, 1),padding='same')(x)
        for i in range(self.t+1):
            if i==0:               
                x1 = self.fc(x)

            x1 = self.fc(x+x1)
        return x1  

有人可以帮助解决该错误，或​​者只是指导我如何将多个keras层组合到一个自定义层中，并以我的方式更改调用函数。