tf.keras.model не сериализуемый

Question

Я получаю сообщение об ошибке при попытке сделать model.save(save_path). Я использую tenorflow 2.0 альфа

Файл "/Home/eugenekim/virtualenvs/ds-pip/local/lib/python3.6/site-packages/tensorflow/python/util/serialization.py", строка 69, в get_json_type поднять TypeError ('Not JSON Serializable:', obj) TypeError: ('Not JSON Serializable:', Ь '\ п \ x04Mean \ x12 \ x04Mean \ x1a "Item_1 / embedding_lookup / Identity_2 \ x1a \ x16Mean / reduction_indices * \ п \ п \ x04Tidx \ x12 \ X020 \ x03 * \ X0F \ п \ tkeep_dims \ x12 \ x02 (\ x00 * \ X07 \ п \ x01T \ x12 \ X020 \ x01' )

Правильный код следующий (моя лучшая догадка). Для ввода (который представляет собой список идентификаторов) я получаю вложения каждого из них и усредняю ​​их. И я использую их как одну из функций для объединения слоев.

 import copy
 import tensorflow as tf
 import pandas as pd
 from tensorflow.keras.layers import Input, Embedding, concatenate, Dense, Flatten
 from tensorflow import feature_column
 from tensorflow.python.keras.engine import training_utils


 def df_to_dataset(dataframe, shuffle=True, batch_size=32):
   dataframe = dataframe.copy()
   labels = dataframe.pop('target')
   d = dict(dataframe)

   ds = tf.data.Dataset.from_tensor_slices((d, labels))
   if shuffle:
     ds = ds.shuffle(buffer_size=len(dataframe))
   ds = ds.batch(batch_size)
   return ds


 def get_model():
     first_input = Input(shape = (1,), name='first_input')
     second_input = Input(shape = (1,), name='second_input' )
     embedding_layer = Embedding(input_dim=10, output_dim=3, input_length=1)

     first_input_encoded = embedding_layer(first_input)
     first_input_encoded = tf.keras.layers.Reshape((3,))(first_input_encoded)


     selected = embedding_layer(second_input)
     item_average = tf.reduce_mean(selected, axis=1, keepdims=True)
     second_input_encoded = tf.keras.layers.Reshape((3,))(item_average)


     o = concatenate([first_input_encoded, second_input_encoded])
     o = Dense(1)(o)

     inputs = [first_input, second_input]
     model = tf.keras.models.Model(inputs=inputs, outputs=o)
     return model


 df = pd.DataFrame(
     [[3,[4,2,3],5, 'boy', 0],
     [2,[6,1,2],7, 'girl', 1]], columns=['first_input', 'second_input', 'child_month_young', 'child_gender_young', 'target'])

 train_ds = df_to_dataset(df)
 val_ds = df_to_dataset(df)

 model = get_model()

 model.compile(optimizer='adam',
               loss='binary_crossentropy',
               metrics=['accuracy'])


 model.fit(
     train_ds,
     validation_data=val_ds,
     epochs=1
 )

 print(model.summary())

 # tf.keras.models.save_model(model, 'test.h5')
 model.save('test.h5')