python - 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 auditor_model保存在 model目录。

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: Unable to restore custom object of type _tf_keras_metric currently. Please make sure that the layer implements get_configand from_config when saving. In addition, please use the custom_objects arg when calling load_model().

我读过 custom_objects在 TensorFlow docs，但我不明白如何实现它，而我不使用自定义层，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 的定义, precision和 recall职能。如果内置指标，例如'f1' (注意它是一个字符串)不适合您的用例，您可以通过 custom_objects如下:

def f1(y_true, y_pred):
    return 1

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