EMSS tensorflow type_error ai_generated true

值错误：无法序列化层 'my_custom_layer'。该层的 __init__ 方法包含不可序列化的参数。

ValueError: Unable to serialize the layer 'my_custom_layer'. The layer has a non-serializable argument in its __init__ method.

ID: tensorflow/keras-model-save-custom-layer

其他格式: JSON · Markdown 中文 · English
85%修复率
88%置信度
1证据数
2023-06-20首次发现

版本兼容性

版本状态引入弃用备注
TensorFlow 2.10.0 active — — —
Keras 2.10.0 active — — —

根因分析

自定义 Keras 层的构造函数包含非 TensorFlow 兼容类型的参数（例如 lambda 函数、文件句柄或不可序列化的对象），导致模型无法保存。

English

A custom Keras layer has a constructor parameter that is not a TensorFlow-compatible type (e.g., a lambda function, a file handle, or a non-serializable object), which prevents model saving.

generic

官方文档

https://www.tensorflow.org/guide/keras/save_and_serialize#custom_objects

解决方案

  1. 在自定义层中重写 get_config() 方法，返回所有可序列化参数的字典。确保每个参数是基本 Python 类型或 TensorFlow 对象。对于复杂对象，转换为可序列化形式（例如存储配置字典）。
  2. 使用 from_config 类方法从配置字典重建层。这确保加载模型时正确实例化层。
  3. 如果参数确实不可序列化（例如 lambda），将其重构为可序列化的替代方案，如字符串标识符和映射字典。

无效尝试

常见但无效的做法:

  1. 75% 失败

    Save_weights only saves the weights, not the architecture or custom layer config, so loading requires redefining the model manually.

  2. 80% 失败

    An empty config omits necessary parameters, leading to errors when loading the model due to missing arguments.

  3. 70% 失败

    Global variables break encapsulation and are not serialized, causing the same issue when the model is loaded in a different context.