Question

加载先前保存的模型时遇到问题。

这是我的保存：

def build_rnn_lstm_model(tokenizer, layers):
    model = tf.keras.Sequential([
        tf.keras.layers.Embedding(len(tokenizer.word_index) + 1, layers,input_length=843),
        tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(layers, kernel_regularizer=l2(0.01), recurrent_regularizer=l2(0.01), bias_regularizer=l2(0.01))),
        tf.keras.layers.Dense(layers, activation='relu', kernel_regularizer=l2(0.01), bias_regularizer=l2(0.01)),
        tf.keras.layers.Dense(layers/2, activation='relu', kernel_regularizer=l2(0.01), bias_regularizer=l2(0.01)),
        tf.keras.layers.Dense(1, activation='sigmoid')
    ])
    model.summary()
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy',f1,precision, recall])
    print("Layers: ", len(model.layers))
    return model

model_path = str(Path(__file__).parents[2]) + os.path.sep + 'model'
data_train_sequence, data_test_sequence, labels_train, labels_test, tokenizer = get_training_test_data_local()
model = build_rnn_lstm_model(tokenizer, 32)
model.fit(data_train_sequence, labels_train, epochs=num_epochs, validation_data=(data_test_sequence, labels_test))
model.save(model_path + os.path.sep + 'auditor_model', save_format='tf')

此后，我看到auditor_model被保存在model目录中。

现在我想用以下方式加载该模型：

model = tf.keras.models.load_model(model_path + os.path.sep + 'auditor_model')

但是我得到了

ValueError：无法恢复_tf_keras_metric类型的自定义对象目前。请确保该层实现了get_config，并且 from_config保存时。另外，请使用调用custom_objects时load_model() arg。

我已经在custom_objects文档中阅读了有关TensorFlow的信息，但是当我不使用自定义层而是使用预定义层时，我不知道如何实现它。

任何人都可以给我提示如何使其工作吗？我使用TensorFlow 2.2和Python3

Answer 1

您的示例缺少f1，precision和recall函数的定义。如果内置指标例如'f1'（请注意这是一个字符串）不适合您的用例，您可以按以下方式传递custom_objects：

def f1(y_true, y_pred):
    return 1

model = tf.keras.models.load_model(path_to_model, custom_objects={'f1':f1})

加载以前保存的没有自定义图层的模型时，缺少get_config

1 个答案: