小编psc*_*ale的帖子

我正在尝试构建一个可以分为两部分的神经网络，其中每个部分都可以独立运行。对 keras Model 类进行子类化可以很好地实现这一点，如这个玩具模型所示：

class MyModel(tf.keras.Model):
    def __init__(self):
        super(MyModel, self).__init__()
        self.dense1 = tf.keras.layers.Dense(5, activation=tf.nn.relu)
        self.dense2 = tf.keras.layers.Dense(5, activation=tf.nn.softmax)

    def call(self, inputs):
        intermediate_value = self.model_part_1(inputs)
        final_output = self.model_part_2(intermediate_value)
        return final_output

    def model_part_1(self, inputs):
        x = self.dense1(inputs)
        return x

    def model_part_2(self, inputs):
        x = self.dense2(inputs) 
        return x

除了自定义方法不通过保存/加载进行之外，所有这些都工作得很好。使用标准model.save("saved_model_path")，然后使用 加载tf.keras.models.load_model("saved_model")，加载的模型对象在运行时按预期工作predict，但不再具有model_part_1或model_part_2方法（属性 dend1 和 dend2 已正确加载）。

加载时添加关键字参数custom_objects={"MyModel": MyModel}并没有解决问题

应该可以将方法添加到加载的实例中，但这非常麻烦。