加载以前保存的没有自定义层的模型时缺少 get_config

Question

我在加载之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')

在此之后，我可以看到它auditor_model保存在model目录中。

现在我想加载这个模型：

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

但我得到：

ValueError：当前无法恢复 _tf_keras_metric 类型的自定义对象。请确保图层实现get_config并 from_config保存时。此外，请custom_objects在调用时使用 arg load_model()。

我custom_objects在TensorFlow文档中读过，但我不明白如何实现它，而我没有使用自定义层，而是使用预定义的层。

谁能给我一个提示如何使它工作？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'f1'（例如（注意它是一个字符串））不适合您的用例，您可以custom_objects按如下方式传递：

def f1(y_true, y_pred):
    return 1

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